基于四分量散射模型的多极化sar图像分类

？基于四分量散射模型提出了一种多极化sar(syntheticapertureradar)图像非监督分类算法。与freeman三分量散射模型不同,四分量散射模型在freeman三分量的基础上增加了螺旋散射分量(helix),该分量反映了复杂地貌和不规则城市建筑的散射机理,可以用来处理复杂的场景图像。算法强调了初始分类的重要性,在初始分类中考虑了混合散射机制像素的存在,从而提高了分类结果的精确度。聚类过程中,采用由四个散射分量组成的特征向量进行迭代聚类。为了实现算法的完全非监督,利用特征向量给出了一种新的聚类终止准则。nasa/jpl实验室airsar全极化数据分类实验结果表明,该算法具有较好的分类效果,并获得了较高的分类精度。