基于K-wishart分布的極化SAR圖像分類研究.pdf

1、極化合成孔徑雷達(Polarimetric Synthetic Aperture Radar，POLSAR)是一種多通道的成像雷達系統(tǒng)。與單極化合成孔徑雷達相比，PO LSAR包含了更多的極化信息，能夠為地物分類提供更多的地物信息和分類特征，因此對POLSAR數(shù)據(jù)處理的研究一直是SAR數(shù)據(jù)處理領域的研究重點。本文主要研究基于數(shù)據(jù)統(tǒng)計分布和極化散射機制的POLSAR地物分類問題，以K-wishart分布為基礎，結合聚類分析和極化散射機制提

2、出了改進的POLSAR地物分類方法，主要工作如下：
　　1.提出了一種基于Freeman分解和K-wishart分布特征參數(shù)的POLSAR地物分類方法。該方法首先根據(jù)Freeman分解的主散射功率對POLSAR數(shù)據(jù)進行初始分類；然后利用K-wis hart分布特征參數(shù)對初始分類的結果進行更細致的劃分；最后通過復Wishart迭代更新分類結果，進一步提高分類精度。該方法將極化分解與數(shù)據(jù)分布特征進行了有效結合，思路簡單、易實現(xiàn)。實驗結

3、果表明相對僅使用極化分解的方法，基于Freeman分解和K-wishart分布特征參數(shù)的方法的分類效果有所改善。
　　2.在上一章工作的基礎上，對傳統(tǒng)的H/α-wishart方法進行了改進，構造了K-wishart分類器，提出了基于Cloude分解和K-wishart分類器的分類方法。K-wishart分布與復Wishart分布相比，對POLSAR數(shù)據(jù)有更好的描述能力，基于該分布的分類器性能更加良好，實驗結果表明引入K-wisha

4、rt分布，地物分類效果得到了進一步提高。
　　3.提出了一種基于MRF和K-wishart分布的POLSAR地物分類方法。該方法在K-wis ha rt分類器的基礎上，利用M RF模型對先驗概率進行計算，根據(jù)先驗概率修正K-wis ha rt距離，并在K-Wis hart迭代過程中加入樣本選擇策略，選擇先驗概率較高的樣本參與聚類中心的計算，從而使得參數(shù)估計和聚類中心的選取更加準確。該方法在引入K-wis har t分布的同時，進一