特征选择双层svm的融合算法用于极化sar图像分类
polsarima g eclassificationusin gfeaturefusional g orithm basedonfeatureselectionandbila y ersvm
-
摘要: 为了充分利用极化合成 孔 径 雷 达（ s y nthetica p etureradar,sar） 图 像 丰 富 的 地 物 信 息 并 解 决 单 一 特征在图像分类中的局限性问题,提出了一种基于特征选择双层支 持 向 量 机（ su pp ortvectormachine,svm） 的特征融合算法,充分利用特征间的完备性和互异性,以形成更有效的特征组合,并用于 sar 图 像 的 分 类。首先,对sar 图像进行多种类型特征矢量 的 提 取 以 能 完 整 地 描 述 全 极 化 sar 图 像;其 次,进 行特 征 归 一 化 处理,以保证不同的特征向量在同一准则下进行选择,以期在进行分类时具有相同的作用;再次,引入空间金字塔（ s p atialpy ramid,sp） 分块提取不同尺度的特征矢量;然后,利用最小冗余最大关联 （ minimumredundanc yandmaximumrelevance,mrmr） 特征选择方法获取每种类别的最优特征子集,避免各类特征的简单组合导致的特征冗余和过度拟合现象;最后,引入多层的思想,构造双层 svm 模型,实现单层目标类别概率 的 优 化 和 再 处 理。实验结果验证了该算法对于极化sar图像分类的有效性。Abstract: sin g let yp eoffeaturevectorcannotfull ydescribeob j ects,inordertofull yusetherichob j ectinformationofp olarimetricsarima g esandsolvethisp roblem,thisp a p erp utforwardanovel featurefusional g orithmbasedonfeatureselectionandbila y ersvmforp olarimetricsarima g eclassification-thatcanmakefulluseofthecomp letenessanddissimilarit ybetweenthefeaturestoformamoreeffec-tivefeaturevector.varioust yp esoffeaturevectorswereextractedfromanori g inal ima g eb ydifferentmethodsforfull ydescribin gthepolsardata.thefeaturevectorswerenormalizedtoensureeachfea-turevectorcanbeselectedunderthesamestandardsandhavethesameroleinclassification.as p atialpy ramidisintroducedtog etthefeaturevectorindifferentsizeors p atiallocation.a mrmrfeatureselectionmethodwasusedtoobtaintheo p timalfeaturesubsetforg ivencate g oriestoavoidredundan-c yandoverfittin gp henomenoncausedb ythesimp lecombinationofvariousfeaturevectors.finall y，themultila y erconce p twasintroducedandabila y ersvm modelwasconstructedtoo p timizeandre-p rocessthep robabilitiesofthetar g etcate g or yobtainedb ythefirstsvm.ex p erimentalresultsonthetwop olarimetricsarima g esachievedb ythejetpro p ulsionlaborator yshowthesu p eriorit yofthep ro p oseda pp roach.
下载:
