基於協同半監督學習和稀疏表示的極化SAR地物分類

《基於協同半監督學習和稀疏表示的極化SAR地物分類》是依託西安電子科技大學，由王爽擔任項目負責人的面上項目。

基本介紹

• 中文名：基於協同半監督學習和稀疏表示的極化SAR地物分類
• 項目類別：面上項目
• 項目負責人：王爽
• 依託單位：西安電子科技大學

中文摘要

本課題從特徵提取和分類器設計兩方面入手，研究極化SAR地物分類問題。針對當前極化SAR數據處理只關注極化散射特性，而沒有考慮人類視覺感知特性的問題，基於視覺感知的稀疏編碼機理，研究極化SAR數據特性和信號稀疏表示方法，提出基於稀疏表示的極化SAR數據特徵提取方法。在此基礎上針對極化SAR標識樣本匱乏、訓練樣本的代表性不均勻，以及各類別之間存在不平衡等問題，採用協同半監督學習方法，首先對現有協同訓練算法的局限性進行分析，針對具有小樣本和非平衡特點的極化SAR地物分類問題，提出改進策略，建立極化SAR地物分類的協同半監督學習方法，並用RADARSAT 2和PALSAR的全極化SAR數據驗證其有效性。研究成果在本領域重要期刊和會議上發表論文15-20篇，申報國家法發明專利6-8項，聯合培養博士、碩士5-8名。

結題摘要

本課題從特徵提取和分類器設計兩方面入手，研究極化SAR地物分類問題。針對當前極化 SAR 數據處理只關注極化散射特性，而沒有考慮人類視覺感知特性的問題，基於視覺感知的稀疏編碼機理，研究極化 SAR 數據特性和信號稀疏表示方法，提出基於稀疏表示的極化SAR 數據特徵提取方法。在此基礎上針對極化 SAR 標識樣本匱乏、訓練樣本的代表性不均勻，以及各類別之間存在不平衡等問題，採用協同半監督學習方法，首先對現有協同訓練算法的局限性進行分析，針對具有小樣本和非平衡特點的極化 SAR 地物分類問題，提出改進策略，建立極化 SAR 地物分類的協同半監督學習方法，並用 RADARSAT 2 和 PALSAR 的全極化 SAR 數據驗證其有效性。研究成果在本領域重要期刊和會議上發表論文 15-20 篇，申報國家發明專利6-8項，聯合培養博士、碩士5-8名。