关键词：极化sar图像 非监督分类 张量积图 扩散 超像素 

摘要：针对相似度表达的困难性以及极化SAR图像中固有的相干斑噪声问题,该文提出了一种基于张量积(TPG)扩散的非监督极化SAR图像地物分类算法。张量积扩散一般用于光学图像的分割或检索,目前研究表明,其已可用于极化SAR(PolSAR)图像地物分类。基于张量积扩散可以稳健地度量数据点之间的测地线距离,因此能够更好地挖掘数据点之间内在的相似度信息。首先,将极化SAR图像进行分割,生成许多超像素;其次,基于超像素提取7种特征并生成一个特征向量,进而利用高斯核构建相似度矩阵;再次,基于已构建的相似度矩阵,利用张量积扩散沿着数据点的内在流形结构进行相似度的传播,实现全局的相似性度量,从而获得一个具有更强判别能力的相似度矩阵;最后,基于此相似度矩阵进行谱聚类以得到地物分类结果。该文在仿真和实测极化SAR图像上均进行了大量实验,并与4种经典算法进行对比,结果表明该方法可以有效地结合空间邻域相似度信息并取得更高的分类精度。

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