关键词：极化sar 分类算法 鲁棒学习 

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。

雷达学报杂志要求:

<一>计量单位、数字、符号 文稿必须使用法定的计量单位符号。

<二>正文标题：文内各级标题题号一律顶格书写，标题题号分级采用1；1.1；1.1.1等标注形式。结构层次不宜过多，一般为二级或三级。

<三>文稿应具严谨的科学性，并有一定先进性和实用性。内容重点突出，文字务必简练、准确、通顺，字迹清楚。

<四>基金课题论文所涉及的课题如是国家或部、省、市级以上基金项目或攻关项目，应在文题页左下角横线下注明“基金项目。

<五>引言作为论文的开场白，应以简短的篇幅介绍论文的研究背景和目的，对相关领域内前人所做的工作和研究进行简要的概括。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社