【最新成果】基于组合条件随机场的极化SAR图像监督地物分类

极化SAR图像地物分类在地质勘探、地形分析以及灾害监测等方面具有广泛的应用。近年来，随着获取的极化SAR图像越来越复杂，对地物分类提出了更多的挑战。例如，Bayes决策分类方法需要对极化SAR图像数据进行复杂的统计建模；传统的提取一种或少数几种特征的方式难以表达图像中目标包含的本质信息。因此，为了得到更高的极化SAR图像地物分类精度，对原有的分类模型进行改进或者提出新的分类模型势在必行。其中，多分类器组合是一种提高地物分类精度的简单有效的方法。

针对该问题，国防科技大学邹焕新教授团队基于组合条件随机场模型对极化SAR图像监督地物分类开展了实验研究。该方法简单有效，易于实现，其分类精度比利用单个特征矢量单个子分类器的分类精度有明显提升，比利用多个特征矢量堆叠的分类精度有显著提高，同时也比基于SVM的分类精度更优。

该工作已发表在《雷达学报》2017年第5期“基于组合条件随机场的极化SAR图像监督地物分类”（邹焕新，罗天成，张月，周石琳）。

图1 基于组合条件随机场模型的极化SAR图像分类流程

该文首先介绍了条件随机场模型的数学描述及其相关的单位置和双位置势函数，接着详细阐述了组合模型、特征组构建、融合规则等相关关键技术（图1），最后，利用两幅实测极化SAR图像进行了地物分类实验研究（图2），验证了所提方法的有效性。

图2 极化SAR图像分类结果比较

了解详细内容请点击下面阅读原文。