基于极化SAR图像的非监督分类算法研究的中期报告.docx

基于极化SAR图像的非监督分类算法研究的中期报告
中期报告主要内容如下：
1.研究背景：
极化SAR（SyntheticApertureRadar）技术具有全天候、全天时、高分辨率等优点，是获取地表信息的一种重要手段。极化SAR图像分类是军事、农业、城市规划等领域中广泛应用的问题，而非监督极化SAR图像分类是其中的一个重要研究方向。
2.研究目的：
本研究旨在探索一种基于非监督聚类方法的极化SAR图像分类算法，通过对极化SAR数据的处理和特征提取，实现地物分类的自动化识别，提高分类精度和效率。
3.研究方法：
本研究采用了基于k-means和FuzzyC-means（FCM）算法进行SAR图像非监督分类，并通过实验分析了分类结果。对于极化SAR图像，首先对数据进行了预处理，包括去极化、平滑和标准化等；然后对数据进行特征提取，本研究选取了极化特征参数迹线和极化熵作为分类的特征；接下来利用K-means和FCM算法进行非监督聚类，得到不同地物类型的分类结果。
4.实验结果：
本研究采用了2015年韩国PALSAR-2数据进行了非监督分类实验，结果表明，在不同聚类数下，基于k-means方法和FCM方法的分类结果都能够有效地分离不同的地物类型，分类精度控制在80%以上。
5.讨论和未来工作：
本研究结合了监督分类方法和非监督聚类方法，实现了极化SAR图像的自动化分类。在未来的研究中，将进一步探索数据预处理和特征提取方法，以提高分类的精度和效率，并将该算法应用到其他SAR数据分类中。