基于 Wishart 分布间最小随机距离的 PolSAR 图像段分类
计算机视觉与模式识别
2016-11-15 v1 应用统计
摘要
本文提出并评估了一种新的极化 SAR (PolSAR) 图像分类器。其输入由图像段构成，每个段被分配到使随机距离最小化的类别。在复 Wishart 模型假设下，从 h-phi 散度族中导出了几种随机距离，并将其用于推导假设检验统计量，这些统计量也用于分类过程。作为一项新工作，本文还给出了基于以下复 Wishart 模型间随机距离的检验统计量的解析表达式：Kullback-Leibler、Bhattacharyya、Hellinger、Rényi 和 Chi-Square；此外，还给出了基于多元高斯分布间 Bhattacharyya 距离的检验统计量。使用模拟和真实 PolSAR 数据评估了分类器性能。模拟数据基于复 Wishart 模型，旨在利用受控良好的数据分析该提议。真实数据涉及在 1994 年 SIR-C 任务期间获取的复 L 波段图像。将所提分类器的结果与 Wishart 逐像素/上下文分类器的结果进行了比较，结果表明基于区域的分类具有更好的性能。通过比较使用幅度数据的多元高斯分布间 Bhattacharyya 距离的结果，评估了统计建模的影响。模拟数据的结果表明，当数据服从 Wishart 模型时，所提分类方法具有非常好的性能。使用 SIR-C PolSAR 数据时，所提分类器的性能也优于逐像素/上下文分类器和 Bhattacharyya 高斯距离。
引用
@article{arxiv.1303.2108,
title = {Classification of Segments in PolSAR Imagery by Minimum Stochastic Distances Between Wishart Distributions},
author = {Wagner Barreto da Silva and Corina da Costa Freitas and Sidnei João Siqueira Sant'Anna and Alejandro C. Frery},
journal= {arXiv preprint arXiv:1303.2108},
year = {2016}
}
备注
Accepted for publication on the IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing