基于马尔科夫判别谱聚类的极化SAR图像分类方法

TN958; 该文针对现有的谱聚类方法用于极化SAR图像分类时精度较低的问题,提出一种基于马尔科夫的判别谱聚类方法(MDSC),具有低秩和稀疏分解的特点.该方法首先恢复一个真实的低秩概率转移矩阵,将其作为标准马尔科夫谱聚类方法的输入,以减少噪声对分类结果的影响;然后在目标函数中引入判别信息,使极化SAR图像的数据信息能够得到更加充分地利用;最后采用增广拉格朗日乘子法来解决低秩和概率单纯形约束下的目标函数优化问题.在荷兰小农田、德国、西安和荷兰大农田4个不同数据集上的实验证明,该方法具有较好的准确率,且参数敏感性较低,表现出了良好的分类性能....

Full description

Saved in:
Bibliographic Details
Published in雷达学报 Vol. 8; no. 4; pp. 425 - 435
Main Authors 张向荣, 于心源, 唐旭, 侯彪, 焦李成
Format Journal Article
LanguageChinese
Published 西安电子科技大学人工智能学院,智能感知与图像理解教育部重点实验室,国际智能感知与计算联合研究中心 西安 710071 2019
Subjects
多视角谱聚类
判别谱聚类
极化SAR
谱聚类
Online AccessGet full text

Cover

More Information
Summary:TN958; 该文针对现有的谱聚类方法用于极化SAR图像分类时精度较低的问题,提出一种基于马尔科夫的判别谱聚类方法(MDSC),具有低秩和稀疏分解的特点.该方法首先恢复一个真实的低秩概率转移矩阵,将其作为标准马尔科夫谱聚类方法的输入,以减少噪声对分类结果的影响;然后在目标函数中引入判别信息,使极化SAR图像的数据信息能够得到更加充分地利用;最后采用增广拉格朗日乘子法来解决低秩和概率单纯形约束下的目标函数优化问题.在荷兰小农田、德国、西安和荷兰大农田4个不同数据集上的实验证明,该方法具有较好的准确率,且参数敏感性较低,表现出了良好的分类性能.
ISSN:2095-283X
DOI:10.12000/JR19059