基于集成学习的星载全极化SAR图象分类与信息解译

项目名称： 基于集成学习的星载全极化SAR图象分类与信息解译

项目编号： No.41171323

项目类型： 面上项目

立项/批准年度： 2012

项目学科： 地理学

项目作者： 杜培军

作者单位： 南京大学

项目金额： 60万元

中文摘要： 尽管星载全极化合成孔径雷达遥感数据获取能力发展迅速，但图象处理算法选择、精度与适用性、推广性方面仍存在许多问题。针对PolSAR图象处理的难点和机器学习的研究进展，将能够综合多个学习机优势、提高信息解译精度的集成学习引入PolSAR图象处理，构建基于集成学习的PolSAR图象处理与解译方法体系，建立算法模型库作为学习机集合，研究PolSAR极化散射特征、图象统计特征和空间结构特征等的组合策略。选择图象分类、变化检测和目标识别三个典型任务，研究PolSAR图象处理中的学习机差异性测度、学习机优化选择、集成学习策略等关键问题，引入半监督学习和多示例学习解决样本数量少和斑点噪声影响的问题。通过土地覆盖分类、城市扩展监测、灾害损失监测等试验，归纳适用于PolSAR图象分类和信息提取的集成学习策略。研究成果对提高PolSAR图象处理的可靠性、拓展集成学理论、推进PolSAR数据应用具有重要意义。

中文关键词： 全极化合成孔径雷达；集成学习；分类；旋转森林；多分类器组合

英文摘要：

英文关键词： PolSAR；Ensemble learning；Classification；Rotation forest；Multi-classifiers combination