基于独立分量分析的极化SAR图像非监督分类方法  

Unsupervised classification of polarimetric synthetic aperture radar images based on independent component analysis

作　　者：付毓生[1] 谢艳[2] 皮亦鸣[2] 侯印鸣[2] 

机构地区：[1]四川大学电子信息学院,四川成都610065 [2]电子科技大学电子工程学院,四川成都610054

出　　处：《电波科学学报》2007年第2期255-260,共6页Chinese Journal of Radio Science

摘　　要：提出了一种针对极化合成孔径雷达(SAR)图像的新的分类方法——基于独立分量分析(ICA)的非监督分类方法。该方法将ICA和基于模糊集理论的非监督分类方法结合起来。用ICA方法对原始极化SAR图像进行特征提取,并用模糊C均值(FCM)算法对提取出的独立分量图像进行分类。该算法可对极化SAR图像进行自动分类,并减少由相干斑噪声所引起的分类错误,且其收敛速度快、稳定性高。采用SIR-C/X-SAR数据的试验证明了该算法的有效性。With a combination of the independent component analysis （ICA） and the unsupervised classification method based on fuzzy set theory, a new method for unsupervised classification of terrain types and man-made objects is proposed by employing the polarimetric synthetic aperture radar （POLSAR） data. The ICA is used to extract the features of the POLSAR data, and the fuzzy e-means （FCM） clustering algorithm to classify the extracted independent component image. The simulation results from SIR-C/X-SAR （Spaceborne Imaging Radar-C and X-band Synthetic Aperture Radar） data. indicate that the algorithm has advantages of auto- mating classification, small classification errors caused by speckle, fast convergence and high stability.

关 键 词：雷达极化 合成孔径雷达 独立分量分析 主分量分析 峰起度 非监督分类 模糊C均值算法 

分 类 号：TN957.52[电子电信—信号与信息处理]