利用由测地距离导出的散射相似性度量对PolSAR数据进行无监督分类
计算机视觉与模式识别
2025-05-27 v1
摘要
在这封信中，我们提出了一种利用单位球面上的测地距离从极化合成孔径雷达（PolSAR）数据获取散射分量的新技术。该测地距离在基本目标与观测到的Kennaugh矩阵之间获得，并进一步用于计算散射机制间的相似性度量。每个基本目标的归一化相似性度量随后由总散射功率（Span）调制。该度量用于根据上述哪种散射机制占主导，将像素分为三类：奇次反射、二次反射和体散射。然后基于复Wishart分布，迭代地对每一类使用[J.-S. Lee, M. R. Grunes, E. Pottier, and L. Ferro-Famil, Unsupervised terrain classification preserving polarimetric scattering characteristics, IEEE Trans. Geos. Rem. Sens., vol. 42, no. 4, pp. 722731, April 2004.]的最大似然分类器。因此，在该分类方案中主导散射机制得以保留。我们展示了分别获取于旧金山和孟买的L波段AIRSAR和ALOS-2数据集的结果。与使用Freeman-Durden散射功率在方位角（OA）校正后的PolSAR图像上的无监督分类结果相比，所提方法能更好地保留散射机制。此外，（1）散射相似性是完全非负的量，不同于Freeman-Durden分解（FDD）下二次反射和奇次反射散射分量中可能出现的负功率；（2）该方法可推广到更多典型目标以及双站散射。
引用
@article{arxiv.1712.00427,
title = {Unsupervised Classification of PolSAR Data Using a Scattering Similarity Measure Derived from a Geodesic Distance},
author = {Debanshu Ratha and Avik Bhattacharya and Alejandro C. Frery},
journal= {arXiv preprint arXiv:1712.00427},
year = {2025}
}
备注
Accepted for publication at IEEE Geoscience and Remote Sensing Letters