%0 Journal Article
%T 一种改进的全极化SAR图像MCSM-Wishart非监督分类方法
%A 陈军
%A 杜培军
%A 谭琨
%J 国土资源遥感
%P 15-21
%D 2015
%R 10.6046/gtzyyg.2015.02.03
%X 针对H/Alpha/A-Wishart非监督分类算法存在的未充分提取SAR图像极化信息和分类精度低等问题,引入多分量散射模型(multiple-componentscatteringmodel,MCSM)分解,提出了一个适用于全极化SAR图像非监督分类的MCSM-Wishart算法。首先对全极化SAR图像进行MCSM分解,提取体散射、二次散射、螺旋体散射、表面散射和线散射极化信息,采用迭代自组织数据分析技术(iterativeself-organizingdataanalysistechnique,ISODATA)的非监督分类算法进行聚类;然后通过基于描述多视协方差矩阵的复Wishart分布的迭代分类得到分类结果。以南京溧水和盐城滨海湿地的ALOSPALSAR图像为研究数据,比较了H/Alpha-Wishart算法、H/Alpha/A-Wishart算法、MCSM-Wishart算法和监督-Wishart算法4种分类方法。研究结果表明,MCSM-Wishart分类算法在效率、总体准确率和Kappa系数等指标上均较原始分类器有一定的提高;将ISODATA聚类算法应用于复Wishart分布的迭代分类器中,可有效提高分类的精度。
%K 全极化SAR图像
%K 复Wishart分布
%K H/Alpha/A分解
%K 多分量散射模型(MCSM)分解
%K 迭代自组织数据分析技术(ISODATA)
%K 聚类算法
%U http://www.gtzyyg.com/CN/abstract/abstract1852.shtml