| 特征选择双层svm的融合算法用于极化sar图像分类 |
| |
| 引用本文： | 王云艳, 何 楚, 涂 峰, 陈 东, 廖明生. 特征选择双层svm的融合算法用于极化sar图像分类[J]. 武汉大学学报 ( 信息科学版), 2015, 40(9): 1157-1162. DOI: 10.13203/j .whu g is20140351 |
| |
| 作者姓名： | 王云艳 何楚 涂峰 陈东 廖明生 |
| |
| 作者单位： | 1武汉大学测绘遥感信息工程国家重点实验室,湖北 武汉,430079;2湖北工业大学电气与电子工程学院,湖北 武汉,430068;3武汉大学电子信息学院,湖北 武汉,430072;4国防科技大学,湖南 长沙,410073 |
| |
| 基金项目： | 国家重点基础研究发展计划资助项目（ 2013cb733404）;国家自然科学基金资助 项 目（ 61331016,41371342）;湖 北 省 自 然 科 学基金资助项目;2014年湖北省教育厅高校青年教师深入企业行动计划资助项目（ xd2014114）。 |
| |
| 摘 要： | 为了充分利用极化合成 孔 径 雷 达（ s y nthetica p etureradar,sar） 图 像 丰 富 的 地 物 信 息 并 解 决 单 一 特征在图像分类中的局限性问题,提出了一种基于特征选择双层支 持 向 量 机（ su pp ortvectormachine,svm） 的特征融合算法,充分利用特征间的完备性和互异性,以形成更有效的特征组合,并用于 sar 图 像 的 分 类。首先,对sar 图像进行多种类型特征矢量 的 提 取 以 能 完 整 地 描 述 全 极 化 sar 图 像;其 次,进 行特 征 归 一 化 处理,以保证不同的特征向量在同一准则下进行选择,以期在进行分类时具有相同的作用;再次,引入空间金字塔（ s p atialpy ramid,sp） 分块提取不同尺度的特征矢量;然后,利用最小冗余最大关联 （ minimumredundanc yandmaximumrelevance,mrmr） 特征选择方法获取每种类别的最优特征子集,避免各类特征的简单组合导致的特征冗余和过度拟合现象;最后,引入多层的思想,构造双层 svm 模型,实现单层目标类别概率 的 优 化 和 再 处 理。实验结果验证了该算法对于极化sar图像分类的有效性。
|
| 关 键 词： | 极化合成孔径雷达 特征选择 双层支持向量机 最小冗余最大关联 特征融合 |
| 收稿时间： | 2014-04-30 |
| 本文献已被 CNKI 等数据库收录！ |
| 点击此处可从《武汉大学学报(信息科学版)》浏览原始摘要信息 |
|
点击此处可从《武汉大学学报(信息科学版)》下载免费的PDF全文 |
|
