基于MV与Wishart距离的极化SAR图像分类

摘要

传统的极化SAR图像分类都是基于像素点的分类,准确率普遍不高.为提高极化SAR图像的分类准确率,提出了一种基于超像素的分类算法.首先,对极化SAR数据进行预处理,并提取高维特征空间.然后,利用降维算法对高维特征空间降维,减少特征空间的冗余信息,提取主要信息.利用SLIC算法对Pauli分解后的极化SAR图像进行超像素分割.最后,以超像素为单元,利用多数投票原则与Wishart分类相结合的方法对超像素进行分类.实验结果表明该算法对极化SAR图像分类能够得到更好的分类效果.