《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》
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。
图表编号 | XD00113928700 严禁用于非法目的 |
---|---|
绘制时间 | 2019.10.01 |
作者 | 程争、韩萍、韩绍程 |
绘制单位 | 中国民航大学基础实验中心、中国民航大学电子信息与自动化学院、中国民航大学基础实验中心 |
更多格式 | 高清、无水印(增值服务) |