于心源,
唐旭,
侯彪,
焦李成
西安电子科技大学人工智能学院，智能感知与图像理解教育部重点实验室，国际智能感知与计算联合研究中心 ??西安 ??710071
基金项目:国家自然科学基金(61772400)，陕西省重点研发计划(2019ZDLGY03-08)
详细信息
作者简介:张向荣(1978–)，女，西安电子科技大学人工智能学院，教授/博导，IEEE高级会员，IEEE GRSS西安分会副主席。主要从事遥感影像智能解译、机器学习、模式识别相关方向研究。E-mail: xrzhang@mail.xidian.edu.cn
于心源(1993–)，女，西安电子科技大学研究生。研究领域为极化SAR图像处理、机器学习等
唐旭：唐 旭(1985–)，男，西安电子科技大学人工智能学院讲师，IEEE会员。主要从事遥感影像内容解译方向的研究
侯彪：侯 彪(1974–)，男，西安电子科技大学人工智能学院，教授/博导，IEEE会员。从事人工智能、类脑计算、遥感脑、图像和视频分析、智能教育等研究
焦李成(1959–)，男，西安电子科技大学人工智能学院，教授/博导，IEEE Fellow, IEEE GRSS西安分会主席，IEEE Transactions on Geoscience and Remote Sensing副主编。主要从事人工智能相关领域的研究
通讯作者:张向荣 xrzhang@mail.xidian.edu.cn
中图分类号:TN958计量
文章访问数:1420
HTML全文浏览量:493
PDF下载量:208
被引次数:0
出版历程
收稿日期:2019-06-01
修回日期:2019-07-22
网络出版日期:2019-07-25
PolSAR Image Classification Method Based on Markov Discriminant Spectral Clustering
ZHANG Xiangrong,,YU Xinyuan,
TANG Xu,
HOU Biao,
JIAO Licheng
Artificial Intelligence Institute, Xidian University, Key Laboratory of Intelligent Perception and Image Understanding of Ministry of Education, International Research Center for Intelligent Perception and Computation, Xi’an 710071, China
Funds:The National Natural Science Foundation of China (61772400), The Key Research and Development Plans of Shaanxi Province (2019ZDLGY03-08)
More Information
Corresponding author:ZHANG Xiangrong, xrzhang@mail.xidian.edu.cn
摘要
摘要:该文针对现有的谱聚类方法用于极化SAR图像分类时精度较低的问题，提出一种基于马尔科夫的判别谱聚类方法(MDSC)，具有低秩和稀疏分解的特点。该方法首先恢复一个真实的低秩概率转移矩阵，将其作为标准马尔科夫谱聚类方法的输入，以减少噪声对分类结果的影响；然后在目标函数中引入判别信息，使极化SAR图像的数据信息能够得到更加充分地利用；最后采用增广拉格朗日乘子法来解决低秩和概率单纯形约束下的目标函数优化问题。在荷兰小农田、德国、西安和荷兰大农田4个不同数据集上的实验证明，该方法具有较好的准确率，且参数敏感性较低，表现出了良好的分类性能。
关键词:极化SAR/
谱聚类/
判别谱聚类/
多视角谱聚类
Abstract:Due to the existing spectral clustering methods have low accuracy for PolSAR image classification, a Markov-based Discriminative Spectral Clustering(MDSC) method is proposed, which has the characteristics of low-rank and sparse decomposition. Firstly, a real low-rank probability transfer matrix is restored as an input to the standard Markov spectral clustering method to reduce the influence of noise on the classification result. Then the discriminative information is introduced into the objective function to make the polarimetric SAR image data can be more fully used. Finally, the augmented Lagrangian multiplier method is used to solve the objective function optimization problem under low-rank and probability simplex constraints. Experiments on three different data sets of Flevoland, Oberpfaffenhofen, and Xi’an show that our method has good accuracy and low sensitivity, which having a good classification performance.
Key words:PolSAR/
Spectral clustering/
Discriminant spectral clustering/
Multi-view spectral clustering
PDF全文下载地址:
https://plugin.sowise.cn/viewpdf/198_04e80943-0da3-41c3-9b24-bd02c65ffb03_R19059
