面向极化 SAR 图像的黎曼最近正则化子空间分类
图像与视频处理
2023-02-08 v1 计算机视觉与模式识别
摘要
作为一种表示学习方法,最近正则化子空间(NRS)算法是获取 PolSAR 图像分类精度与速度的有效工具。然而,现有 NRS 方法使用极化特征向量而非 PolSAR 原始协方差矩阵(即 Hermitian 正定(HPD)矩阵)作为输入。由于未考虑矩阵结构,现有基于 NRS 的方法无法学习通道间相关性。如何利用原始协方差矩阵于 NRS 方法是一个关键问题。为克服该局限,提出了一种黎曼 NRS 方法,其将 HPD 矩阵视为赋予于黎曼空间中。首先,为利用 PolSAR 原始数据,通过构造 HPD 字典与 HPD 距离度量,提出一种黎曼 NRS 方法(RNRS)。其次,设计一种新的 Tikhonov 正则化项以减小同类内的差异。最后,给出最优方法并推导其一阶导。在实验测试中,所提方法仅使用 T 矩阵,而对比方法使用了多种特征。实验结果表明,即便使用更少特征,所提方法仍优于当前最优算法。
引用
@article{arxiv.2201.00337,
title = {Riemannian Nearest-Regularized Subspace Classification for Polarimetric SAR images},
author = {Junfei Shi and Haiyan Jin},
journal= {arXiv preprint arXiv:2201.00337},
year = {2023}
}