采用联合域字典稀疏表示的极化SAR图像分类

发布时间：2017-11-12 20:22

  本文关键词：采用联合域字典稀疏表示的极化SAR图像分类

  更多相关文章： 极化SAR图像分类 字典学习 稀疏表示 流形距离 近邻传播聚类 线性支持向量机

【摘要】：针对传统字典学习算法难以有效保持极化SAR图像的空间结构以及难以处理大规模数据的问题,提出了一种基于空域和极化域的联合域字典学习和稀疏表示的分类方法.该方法采用基于联合域流形距离的快速AP聚类进行字典学习.利用局部线性编码对极化SAR图像进行空域和极化域的联合域稀疏表示,充分利用了极化SAR数据集潜在的信息,有效保持极化SAR数据结构的同时降低了算法的时间复杂度.试验结果表明:所提算法适应性强,收敛速度快,能够提高极化SAR图像的分类精度.
【作者单位】： 西安理工大学计算机科学与工程学院;西安电子科技大学智能感知与图像理解教育部重点实验室国际智能感知与计算联合研究中心;
【基金】：国家重点基础研究发展计划资助项目(2013CB329402) 国家自然科学基金资助项目(61271302;61272282) 高等学校学科创新引智计划资助项目(B07048)
【分类号】：TN957.52
【正文快照】： 极化合成孔径雷达(synthetic aperture ra-dar,SAR)能获取更丰富的地物信息,在军事和民用领域得到广泛的应用[1-2].极化SAR图像分类是极化SAR图像处理的重要研究内容,现有的极化SAR分类方法往往只利用极化散射特征和统计特征,忽视了极化SAR图像的空间特征,没有充分挖掘极化数

【参考文献】

中国期刊全文数据库 前1条

1 公茂果;焦李成;马文萍;张向荣;;基于流形距离的人工免疫无监督分类与识别算法[J];自动化学报;2008年03期

【共引文献】

中国期刊全文数据库 前10条

1 马立玲;张f，

本文编号：1177458