结合BRF神经网络的全极化SAR影像分类方法研究

作者： 王嘉宇 [1] 张继贤 [2] 黄国满 [3] 赵争 [4]

摘要：为了解决模糊支持向量机(FSVM)算法应用于全极化SAR影像分类而产生的聚类中心陷入局部过适应问题,本文提出了一种基于模糊分割理论结合RBF神经网络的全极化SAR影像分类方法.主要利用模糊聚类分割、极化分解、纹理特征提取等,构建待分类地物特征集,并通过SGE进行监督降维,采用降维后的待分类地物极化表征完成RBF分类器训练,实现全极化SAR影像监督分类.最终通过C波段Randsat-2全极化SAR数据进行实测检验,结果表明,该方法使得分类结果区域一致性增强,充分地保存了待分类地物细节信息.

关键字： RBF神经网络 模糊支撑向量机(FSVM) 分割 全极化SAR影像 分类

上一篇： 基于双曲线模型的建筑物变形监测研究
下一篇： 基于导向滤波与迭代反向投影的遥感影像超分辨率重建