基于SVM对极化SAR影像分类研究.pptVIP

* * * * * * * * * * * 由于SVM算法是监督分类，我们在具体实验的时候，对数据的理解以及分类特征的选择会很重要。下面我们主要针对这两部分进行说明。 1.海南数据是机载的X波段获得影像，（由于波长较短，导致回波的能量不大） 2.分辨率较高，好像是一米多的分辨率 * * * * 从统计结果来看…… * * * 1.分类思路的选择：。海南数据不像我们常规的数据，并不是直接拿个算法来对数据进行分类，就可以得到一个较好的分类结果的。因为植被内部的背景杂波太多，对植被影响较为严重。针对这样一幅高分辨率的数据，消除背景杂波的影响对分类可能会起到很大的作用。 2，如果我们希望某一块地物，分类出来的结果是块状分布的话，我们需要对数据做一定的处理，可以是在分类前，对地物块内部的像素赋予某个相同的特征值，也可以时分好类之后，对地物块进行目视判读，将地物块中较小的类别全部合并为名为“其他”的类别。这样分类结果可能会是块状分布。不过这些都是对数据进行了一定处理。 3.分类特征的选择对分类很重要，我们现在分类时，对特征值的选择并没有一个有效地指导，且对不同的数据较好的极化特征组合也不相同。通过某些特征选择方法选择最有利于数据分类特征也会对提高分类精度很重要。 基于SVM的极化SAR影像分类研究 内容提纲 1. 极化SAR简介 2. SVM算法简