《表1 粗分类种类及判决条件》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于RFCM的PolSAR图像机场跑道区域检测方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

模糊聚类方法对初始类中心敏感，合适的类中心可提高分类的精度和速度。针对聚类算法对初始中心敏感的问题，结合极化散射熵和Freeman三分解理论对极化SAR图像粗分类以得到合适的类中心，分类策略如表1所示。其中极化散射熵（Entropy）和Freeman分解中的表面散射分量Ps、偶次散射分量Pd、体散射分量Pv的计算方法参考文献[2]。按照分类策略将原始极化SAR图像分为10类，每一类样本的极化相干矩阵均值作为该类别的初始类中心。通过极化SAR数据的特性筛选初始类中心，而非随机筛选，这有利于加快迭代聚类的收敛速度，避免陷入局部最优解。