留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

特征选择双层svm的融合算法用于极化sar图像分类

王云艳 何 楚 涂 峰 陈 东 廖明生

王云艳, 何 楚, 涂 峰, 陈 东, 廖明生. 特征选择双层svm的融合算法用于极化sar图像分类[J]. 武汉大学学报 ● 信息科学版, 2015, 40(9): 1157-1162. doi: 10.13203/j .whu g is20140351
引用本文: 王云艳, 何 楚, 涂 峰, 陈 东, 廖明生. 特征选择双层svm的融合算法用于极化sar图像分类[J]. 武汉大学学报 ● 信息科学版, 2015, 40(9): 1157-1162. doi: 10.13203/j .whu g is20140351
wangyun yan, hechu, tufeng, chendong, liaoming sheng. polsarima g eclassificationusin gfeaturefusional g orithm basedonfeatureselectionandbila y ersvm[J]. Geomatics and Information Science of Wuhan University, 2015, 40(9): 1157-1162. doi: 10.13203/j .whu g is20140351
Citation: wangyun yan, hechu, tufeng, chendong, liaoming sheng. polsarima g eclassificationusin gfeaturefusional g orithm basedonfeatureselectionandbila y ersvm[J]. Geomatics and Information Science of Wuhan University, 2015, 40(9): 1157-1162. doi: 10.13203/j .whu g is20140351

特征选择双层svm的融合算法用于极化sar图像分类

doi: 10.13203/j .whu g is20140351
基金项目: 国家重点基础研究发展计划资助项目( 2013cb733404);国家自然科学基金资助 项 目( 61331016,41371342);湖 北 省 自 然 科 学基金资助项目;2014年湖北省教育厅高校青年教师深入企业行动计划资助项目( xd2014114)。
详细信息
    作者简介:

    王云艳,博士,主要从事sar 图像解译研究。

  • 中图分类号: p237.3;tp753

polsarima g eclassificationusin gfeaturefusional g orithm basedonfeatureselectionandbila y ersvm

Funds: thenationalke ybasicresearchanddevelo pmentpro g ramofchina,no.2013cb733404;thenationalnaturalsci-encefoundationofchina,nos.41371342,61331016;thenaturalsciencefoundationofhubeiprovince;2014youthteachersinde p thbusinessactionplanfundedpro j ectsofhubeiprovincialeducationde p artment,no.xd201411 4.
计量
  • 文章访问数:  1158
  • HTML全文浏览量:  27
  • PDF下载量:  1230
  • 被引次数: 0
出版历程
  • 收稿日期:  2014-04-30
  • 刊出日期:  2015-09-05

特征选择双层svm的融合算法用于极化sar图像分类

doi: 10.13203/j .whu g is20140351
    基金项目:  国家重点基础研究发展计划资助项目( 2013cb733404);国家自然科学基金资助 项 目( 61331016,41371342);湖 北 省 自 然 科 学基金资助项目;2014年湖北省教育厅高校青年教师深入企业行动计划资助项目( xd2014114)。
    作者简介:

    王云艳,博士,主要从事sar 图像解译研究。

  • 中图分类号: p237.3;tp753

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。

English Abstract

王云艳, 何 楚, 涂 峰, 陈 东, 廖明生. 特征选择双层svm的融合算法用于极化sar图像分类[J]. 武汉大学学报 ● 信息科学版, 2015, 40(9): 1157-1162. doi: 10.13203/j .whu g is20140351
引用本文: 王云艳, 何 楚, 涂 峰, 陈 东, 廖明生. 特征选择双层svm的融合算法用于极化sar图像分类[J]. 武汉大学学报 ● 信息科学版, 2015, 40(9): 1157-1162. doi: 10.13203/j .whu g is20140351
wangyun yan, hechu, tufeng, chendong, liaoming sheng. polsarima g eclassificationusin gfeaturefusional g orithm basedonfeatureselectionandbila y ersvm[J]. Geomatics and Information Science of Wuhan University, 2015, 40(9): 1157-1162. doi: 10.13203/j .whu g is20140351
Citation: wangyun yan, hechu, tufeng, chendong, liaoming sheng. polsarima g eclassificationusin gfeaturefusional g orithm basedonfeatureselectionandbila y ersvm[J]. Geomatics and Information Science of Wuhan University, 2015, 40(9): 1157-1162. doi: 10.13203/j .whu g is20140351

目录

    /

    返回文章
    返回