张思雨1,,
董洪伟1,,
朱厦2,,
①.哈尔滨工业大学电子与信息工程学院 哈尔滨 150001
②.北京市遥感信息研究所 北京 100192
基金项目:国家自然科学基金(61401124, 61871158)，航空科学基金(20182077008)，黑龙江省留学归国人员科学基金(LC2018029)
详细信息
作者简介:张腊梅(1980–)，女，博士，副教授，博士生导师。2010年在哈尔滨工业大学获得博士学位，2014至2015年在加拿大曼尼托巴大学作访问****，现为哈尔滨工业大学副教授。主要研究方向包括SAR/极化SAR图像智能处理和应用，极化干涉SAR信息提取，目标电磁散射特性分析和仿真。在国内外著名学术刊物和国际会议上发表学术论文80多篇，授权/受理发明专利10多项，担任哈尔滨IEEE GRSS秘书。E-mail: lmzhang@hit.edu.cn
张思雨(1997–)，男，黑龙江哈尔滨人，学士。2019年在大连海事大学电子信息工程专业获得学士学位，现为哈尔滨工业大学信息与通信工程学院硕士研究生。研究方向为SAR/PolSAR图像处理与智能解译、模式识别与机器学习。E-mail: missrain2831@163.com
董洪伟(1994–)，男，山东济南人，硕士。2018年在中国农业大学理学院数学系获得硕士学位，现为哈尔滨工业大学信息与通信工程专业博士研究生。研究方向为计算机视觉、模式识别与机器学习及SAR图像图像解译。E-mail: donghongwei1994@163.com
朱厦：朱 厦(1984–)，女，博士，助理研究员。2012年在法国巴黎十一大学获得国家物理学博士学位，2018年在法国国家科学院信号与系统LSS实验室作访问****，现为北京市遥感信息研究所助理研究员，主要从事微波卫星应用总体、极化SAR信息处理和海洋遥感方面的研究工作。发表学术论文30余篇，主持国家863计划等多项科研课题，先后受国家“建设高水平大学”公派研究生项目、国家外专局“智力引进计划”资助，获省部级科技进步二等奖1项。E-mail: nudt_zs@163.com
通讯作者:朱厦 nudt_zs@163.com
中图分类号:TP391计量
文章访问数:2494
HTML全文浏览量:680
PDF下载量:119
被引次数:0
出版历程
收稿日期:2019-05-01
修回日期:2019-07-12
网络出版日期:2019-07-26
Robust Classification of PolSAR Images Based on PinballlossSupportVectorMachine
ZHANG Lamei1,,ZHANG Siyu1,,
DONG Hongwei1,,
ZHU Sha2,,
①. School of Electronics and Information Engineering, Harbin Institute of Technology, Harbin 150001, China
②. Institute of Beijing Remote Sensing Information, Beijing 100192, China
Funds:The National Natural Science Foundation of China (61401124, 61871158), The Aeronautical Science Foundation of China (20182077008), The Scientific Research Foundation for the Returned Overseas Scholars of Heilongjiang Province (LC2018029)
More Information
Corresponding author:ZHU Xia, nudt_zs@163.com
摘要
摘要:考虑到极化合成孔径雷达(PolSAR)图像标注信息量低以及相干斑噪声难以消除的问题，该文从鲁棒统计学习的角度提出了一种基于Pin-SVM的极化SAR图像鲁棒分类方法，根据极化SAR图像的散射特性和地物的纹理特性，通过求解两类样本之间的最大分位数距离来确定分类超平面，在无需迭代的前提下得到更加鲁棒的分类结果。相比传统的基于最大间隔的极化SAR图像分类算法，该文所提算法一方面在对极化SAR图像提取到的特征中包含的噪声具有更好的鲁棒性，另一方面对于训练样本的抽样范围不敏感，即重采样具有更好的鲁棒性。利用EMISAR的Foulum地区极化SAR数据进行了算法验证，多种情况的对比实验的结果验证了该算法的有效性。
关键词:极化SAR/
分类算法/
Pin-支持向量机/
鲁棒学习
Abstract:Given the problems that the amount of supervised information in the Polarimetric Synthetic Aperture Radar (PolSAR) image is low and the speckle noise is difficult to eliminate, in this study, a robust classification algorithm for PolSAR image based on Pinball loss Support Vector Machine (Pin-SVM) is proposed from the perspective of robust statistical learning. On the basis of the scattering characteristics of PolSAR images and the texture characteristics of surface features, the proposed algorithm determines the optimal decision hyperplane by solving the maximum quantile distance between the samples of two classes, which can provide more robust results without iteration. Compared with the traditional PolSAR image classification algorithms that solve the maximum margin, on one hand, the proposed algorithm is robust to the noise contained in the features extracted from PolSAR images. On the other hand, the proposed algorithm is insensitive to the sampling range of training samples, which means that it has better robustness to resampling. The experimental results of EMISAR-Foulum PolSAR data prove the validity of the proposed algorithm through comparative tests in a variety of situations.
Key words:Polarimetric Synthetic Aperture Radar (PolSAR) image/
Classification/
Pinball loss Support Vector Machine (Pin-SVM)/
Robust learning
PDF全文下载地址:
https://plugin.sowise.cn/viewpdf/198_7026cb15-e6b0-46ab-908b-417d97971aea_R19055
