綜合多特征的極化SAR圖像隨機森林分類算法

摘要：為抑制相干斑噪聲對極化SAR圖像分類結果的干擾,本文提出一種綜合多特征的極化SAR圖像隨機森林分類方法。該方法首先利用簡單線性迭代聚類(SLIC)算法生成超像素作為分類單元;然后,基于高維極化特征圖像,利用訓練好的隨機森林模型,統計決策樹的分類投票數,計算各超像素的類別概率;最后,利用超像素間的空間鄰域特征,采用概率松弛算法(PLR)迭代修正超像素的類別后驗概率,并依據最大后驗概率(MAP)準則得到分類結果;實現綜合利用超像素和空間鄰域特征,降低相干斑噪聲干擾的極化SAR圖像分類方法。實驗對比結果表明:本文方法能得有效抑制極化SAR圖像中相干斑噪聲的干擾,得到高精度且光滑連續的分類結果。