关键词：极化sar图像 地物分类 半监督 最小生成树 

摘要：该文针对极化SAR图像分类中只有少量标记样本的问题,提出了一种基于邻域最小生成树的半监督极化SAR图像分类方法。该方法针对极化SAR图像以像素为分类对象的特点,结合自训练方法的思想,利用极化SAR图像像素点的空间信息,提出了基于邻域最小生成树辅助学习的样本选择策略,增加自训练过程中被选择无标记样本的可靠性,扩充标记样本数量,训练更好的分类器。最终用训练好的分类器对极化SAR图像进行测试。对3组真实的极化SAR图像进行测试,实验结果表明,该方法在只有少量标记样本的情况下能获得满意的分类结果,且分类正确率明显优于传统的分类算法。

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