購物車(0)
一種基于張量積擴(kuò)散的非監(jiān)督極化SAR圖像地物分類方法
關(guān)鍵詞：極化sar圖像 非監(jiān)督分類 張量積圖 擴(kuò)散 超像素
摘要：針對(duì)相似度表達(dá)的困難性以及極化SAR圖像中固有的相干斑噪聲問題,該文提出了一種基于張量積(TPG)擴(kuò)散的非監(jiān)督極化SAR圖像地物分類算法。張量積擴(kuò)散一般用于光學(xué)圖像的分割或檢索,目前研究表明,其已可用于極化SAR(PolSAR)圖像地物分類?；趶埩糠e擴(kuò)散可以穩(wěn)健地度量數(shù)據(jù)點(diǎn)之間的測地線距離,因此能夠更好地挖掘數(shù)據(jù)點(diǎn)之間內(nèi)在的相似度信息。首先,將極化SAR圖像進(jìn)行分割,生成許多超像素;其次,基于超像素提取7種特征并生成一個(gè)特征向量,進(jìn)而利用高斯核構(gòu)建相似度矩陣;再次,基于已構(gòu)建的相似度矩陣,利用張量積擴(kuò)散沿著數(shù)據(jù)點(diǎn)的內(nèi)在流形結(jié)構(gòu)進(jìn)行相似度的傳播,實(shí)現(xiàn)全局的相似性度量,從而獲得一個(gè)具有更強(qiáng)判別能力的相似度矩陣;最后,基于此相似度矩陣進(jìn)行譜聚類以得到地物分類結(jié)果。該文在仿真和實(shí)測極化SAR圖像上均進(jìn)行了大量實(shí)驗(yàn),并與4種經(jīng)典算法進(jìn)行對(duì)比,結(jié)果表明該方法可以有效地結(jié)合空間鄰域相似度信息并取得更高的分類精度。
雷達(dá)學(xué)報(bào)雜志要求:
<一>計(jì)量單位、數(shù)字、符號(hào) 文稿必須使用法定的計(jì)量單位符號(hào)。
<二>正文標(biāo)題：文內(nèi)各級(jí)標(biāo)題題號(hào)一律頂格書寫，標(biāo)題題號(hào)分級(jí)采用1；1.1；1.1.1等標(biāo)注形式。結(jié)構(gòu)層次不宜過多，一般為二級(jí)或三級(jí)。
<三>文稿應(yīng)具嚴(yán)謹(jǐn)?shù)目茖W(xué)性，并有一定先進(jìn)性和實(shí)用性。內(nèi)容重點(diǎn)突出，文字務(wù)必簡練、準(zhǔn)確、通順，字跡清楚。
<四>基金課題論文所涉及的課題如是國家或部、省、市級(jí)以上基金項(xiàng)目或攻關(guān)項(xiàng)目，應(yīng)在文題頁左下角橫線下注明“基金項(xiàng)目。
<五>引言作為論文的開場白，應(yīng)以簡短的篇幅介紹論文的研究背景和目的，對(duì)相關(guān)領(lǐng)域內(nèi)前人所做的工作和研究進(jìn)行簡要的概括。
注：因版權(quán)方要求，不能公開全文，如需全文，請(qǐng)咨詢雜志社
