用于 PolSAR 图像语义分割的随机蕨分类器
计算机视觉与模式识别
2022-02-09 v1 图像与视频处理
摘要
随机蕨（Random Ferns）——作为集成学习中较不为人知的例子——已成功应用于许多计算机视觉应用，从关键点匹配到目标检测。本文扩展随机蕨框架至极化合成孔径雷达图像的语义分割。通过使用定义在厄米矩阵空间上的内部投影，所提出的分类器可直接应用于极化协方差矩阵，而无需显式计算预定义图像特征。此外，提出两种不同的优化策略：第一种在分类器创建前对内部二值特征进行预选与分组；第二种基于迭代改进给定随机蕨的性质。两种策略均能通过滤除冗余或低信息量的特征，并将相关特征分组以最佳满足随机蕨分类器所做的独立性假设，从而提升性能。实验表明，所取得的结果类似于更复杂的随机森林模型，且与深度学习基线具有竞争力。
引用
@article{arxiv.2202.03498,
title = {Random Ferns for Semantic Segmentation of PolSAR Images},
author = {Pengchao Wei and Ronny Hänsch},
journal= {arXiv preprint arXiv:2202.03498},
year = {2022}
}
备注
This is the author's version of the article as accepted for publication in IEEE Transactions on Geoscience and Remote Sensing, 2021. Link to original: https://ieeexplore.ieee.org/document/9627989