《電子技術(shù)應(yīng)用》
您所在的位置：首頁(yè) > 其他 > 设计应用 > 基于自适应超像素的少样本极化SAR图像特征增强方法研究
基于自适应超像素的少样本极化SAR图像特征增强方法研究
2022年电子技术应用第10期
任吉宏1,2，刘 畅1,2
1.中国科学院 空天信息创新研究院，北京 100190； 2.中国科学院大学，北京 100049
摘要： 有监督的极化合成孔径雷达（极化SAR）图像地物分类任务需要像素级人工标注，如何减少其对大量精确标注样本的依赖是目前的一个研究重点。极化SAR图像的空间邻域内存在信息冗余和特征相关性，充分利用空间邻域信息有助于提升样本特征的判别性和鲁棒性。通过引入基于极化统计HSV颜色特征的自适应超像素聚类算法，提出一种借助邻域相关性的样本特征增强方法。实验结果表明该方法可以在仅有少量标注样本的条件下提升分类结果的鲁棒性和准确率。
中圖分類號(hào)： TN958文獻(xiàn)標(biāo)識(shí)碼： ADOI：10.16157/j.issn.0258-7998.222808

中文引用格式： 任吉宏，劉暢. 基于自適應(yīng)超像素的少樣本極化SAR圖像特征增強(qiáng)方法研究[J].電子技術(shù)應(yīng)用，2022，48(10)：144-149.
英文引用格式： Ren Jihong, Liu Chang. An adaptive superpixel-based polarimetric feature enhancement method for polarimetric SAR image classification with limited labeled data[J]. Application of Electronic Technique，2022，48(10)：144-149.
An adaptive superpixel-based polarimetric feature enhancement method for polarimetric SAR image classification with limited labeled data
Ren Jihong1,2，Liu Chang1,2
1.Aerospace Information Research Institute, Chinese Academy of Sciences, Beijing 100190, China; 2.University of Chinese Academy of Sciences, Beijing 100049, China
Abstract： The performance of supervised Polarimetric Synthetic Aperture Radar (PolSAR) image terrain classification heavily relies on ground-truth samples, which could be a problem when the sample size is small or few labels are imprecise. Since PolSAR image has spatial and spectral information redundancy, spatial neighborhood information can improve the discriminative and robustness of sample features. In this paper, a polarimetric feature enhancement method is proposed for improving the robustness of data representation. With the help of a statistical polarimetric HSV color space pseudo-color image generation method and an adaptive superpixel clustering algorithm, the enhanced feature of each sample can be obtained from both the original sample feature and its corresponding superpixel. Experiments with the benchmark datasets show that the proposed method can improve the robustness and accuracy of classification results with a small size of ground-truth samples.
Key words : Polarimetric Synthetic Aperture Radar (PolSAR); terrain classification; superpixel; polarimetric feature enhancement

0 引言

    合成孔徑雷達(dá)（Synthetic Aperture Radar, SAR）作為一種具有主動(dòng)微波成像能力的遙感監(jiān)測(cè)手段，可以實(shí)現(xiàn)全天時(shí)全天候高分辨率持續(xù)對(duì)地觀測(cè)。極化SAR采用多通道多極化的工作模式，可以捕獲地表目標(biāo)豐富的物理散射特性[1]，因此在目標(biāo)檢測(cè)[2]、變化檢測(cè)[3]、地物目標(biāo)分類[4]等SAR圖像解譯任務(wù)中發(fā)揮重要作用。地物分類作為極化SAR圖像的一項(xiàng)基本解譯任務(wù)，可以為農(nóng)林監(jiān)測(cè)[5]、災(zāi)害定位[6]、地質(zhì)勘探[7]等遙感觀測(cè)實(shí)際應(yīng)用提供重要判據(jù)。

    基于數(shù)據(jù)驅(qū)動(dòng)的極化SAR圖像地物分類方法包括有監(jiān)督、無(wú)監(jiān)督和半監(jiān)督等分類器學(xué)習(xí)方式。有監(jiān)督學(xué)習(xí)借助標(biāo)注樣本學(xué)習(xí)特征空間，包括Wishart、支持向量機(jī)（Support Vector Machine, SVM）、隨機(jī)森林（Random Forests, RF）等分類器。無(wú)監(jiān)督學(xué)習(xí)根據(jù)樣本特征相似性劃分特征空間，其中，H/α分類通過(guò)極化統(tǒng)計(jì)特征區(qū)分典型地物散射類別。針對(duì)極化SAR圖像的成像機(jī)理，基于極化信息的散射特征可以有效利用物理散射特征實(shí)現(xiàn)同質(zhì)區(qū)域聚類[8-10]。




本文詳細(xì)內(nèi)容請(qǐng)下載：http://www.ihrv.cn/resource/share/2000004978。




作者信息：

任吉宏1,2，劉  暢1,2

（1.中國(guó)科學(xué)院 空天信息創(chuàng)新研究院，北京 100190；

2.中國(guó)科學(xué)院大學(xué)，北京 100049） 




wd.jpg

此內(nèi)容為AET網(wǎng)站原創(chuàng)，未經(jīng)授權(quán)禁止轉(zhuǎn)載。