基于多视角学习的极化SAR数据分类器实时更新方法

摘要

本发明属于机器学习算法和图像处理技术领域，具体涉及一种基于多视角学习的极化SAR数据分类器实时更新方法，旨在为了解决分类器不能实时更新或只能单独更新而忽略视角间一致性、互补性以致影响分类精度提升的问题，本方法包括：S1，基于t时刻的极化SAR图像，提取样本极化特征、颜色特征、纹理特征；S2，通过在线多视角分类模型，估计样本的地物类别标签；S3，根据真实地物类别标签计算损失，当损失大于零时通过拉格朗日乘子法求解所述在线多视角分类模型闭式解的方法，对分类器进行更新；S4，获取t+1时刻的极化SAR图像后，重复S1至S3，直至全部极化SAR图像处理完毕。本发明可以实现极化SAR数据在线实时分类，在线分类错误率更低。