基于局部竞争策略的极化SAR图像精细分类 *

殷君君， 彭嘉耀， 杨 健， 刘希韫

(1. 北京科技大学计算机与通信工程学院， 北京 100083； 2. 清华大学电子工程系， 北京 100084)

0 引言

极化合成孔径雷达(Synthetic Aperture Radar，SAR)是一种多参数、多通道的成像雷达系统，具有全天候、全天时的工作特点，具有较强的地物穿透能力，在目标识别、城市规划、地质勘探、植被生长评估、军事探测、海洋监测等众多领域有着广泛的应用。近年来，极化SAR图像地物分类已经成为雷达遥感图像领域的研究热点，且已经出现了很多较为成熟的算法。对于极化SAR农田分类，普遍存在着农田块形状不规则、区域较小、分布不均匀等问题，同时多时相图像分类[1]也是难点之一。针对这些问题，我们对混合模型与基于马尔科夫随机场(Markov Random Field,MRF)的分类算法进行了研究，并提出了基于局部竞争思想的MAP分类器。

根据所使用的特征不同，极化SAR图像分类方法可归纳为两类：基于统计特性的分类和基于极化散射机制的分类[2-3]。极化SAR图像的统计特性是根据其数据的统计模型推导出来的，在图像分类中起到很重要的作用。其中，应用最广泛的是测量矢量的多元高斯分布和协方差(或相干)矩阵的复Wishart分布。1988年，Kong等人[4]提出了基于复高斯分布的单视极化SAR图像最大似然(Maximum Likelihood,ML)分类器。1994年，Lee等人[5]将最大似然规则推广到SAR多视情况，提出了基于复Wishart分布的ML监督分类方法，这是极化SAR数据分类研究的一座里程碑。基于复Wishart分布的Wishart距离度量也被广泛地用于监督和非监督分类中，基于该距离度量的分类技术称为Wishart分类器。……