基于各向异性扩散与 PCA 的 SAR 和光学数据融合及基于块与 LBP 的分类
计算机视觉与模式识别
2021-01-21 v1
摘要
SAR（VV 和 VH 极化）与光学数据广泛应用于图像融合，以利用彼此的互补信息并获得更高质量（在空间与光谱特征方面）的图像，从而改善分类结果。本文采用各向异性扩散结合 PCA 进行 SAR 与光学数据融合，并采用基于块的 SVM 分类结合 LBP（LBP-PSVM）。使用所考虑融合方法时，VV 极化融合结果优于 VH 极化。在分类方面，将使用 S1（VV）与 S2、S1（VH）与 S2 的 LBP-PSVM 性能分别与无块的 SVM 分类器和带块的 PSVM 分类器进行比较。分类结果表明，对于所考虑的数据，LBP-PSVM 分类器比 SVM 和 PSVM 分类器更有效。
引用
@article{arxiv.2101.08215,
title = {SAR and Optical data fusion based on Anisotropic Diffusion with PCA and Classification using Patch-based with LBP},
author = {Achala Shakya and Mantosh Biswas and Mahesh Pal},
journal= {arXiv preprint arXiv:2101.08215},
year = {2021}
}