极化SAR图像分类的投影寻踪方法研究的综述报告.docx

极化SAR图像分类的投影寻踪方法研究的综述报告
极化合成孔径雷达（PolarimetricSAR，简称PolSAR）因其在海洋、林区、城市等领域具有独特的优势而备受关注。在PolSAR图像分类中，投影寻踪方法是一种常用的分类方法之一。本文将着重介绍极化SAR图像分类中的投影寻踪方法的研究进展及相关技术要点。
一、极化SAR图像分类
PolSAR图像是通过雷达对目标进行观测，获取到的目标各向异性（TargetAnisotropy，TA）信息和海杂波信息等反射特征融合后得到的图像。PolSAR图像分类是指将PolSAR图像中的目标进行分类，例如将森林、水域、城市等目标分别进行分类。目前，PolSAR图像分类主要依靠统计学、神经网络和机器学习等方法。
二、投影寻踪方法
投影寻踪方法是一种基于极化协方差矩阵（CoherencyMatrix，CM）的分类方法。CM是将PolSAR相干矩阵进行Hermitian转置后与原矩阵相乘得到的4*4矩阵，其代表了目标散射特征的统计信息。投影寻踪方法通过对目标在归一化空间中的投影进行寻踪，将目标进行分类。该方法的主要优势在于其不受地物间的相互遮挡和相互重叠的干扰，因此可以对极不均匀复杂的地物类型进行有效的分类。
投影寻踪方法的基本步骤包括：首先是对CM进行归一化，将其投影至二维空间；其次是对投影进行粗分，将目标进行大致的分类；最后是对分类结果进行细分，将目标进行精细分类。在进行分类时，投影寻踪方法通常采用最大似然法或支持向量机法。
三、投影寻踪方法的发展
随着PolSAR图像应用领域的不断拓展，投影寻踪方法也逐渐发展出了多种衍生方法，例如：双聚类支持向量机法、旋转不变性投影寻踪法、基于切片矩阵的投影寻踪法等。
其中，双聚类支持向量机法是将传统的支持向量机方法与双聚类算法相结合，对隐含于数据中的类间相似性和类内相似性进行建模，从而提高了分类精度。
旋转不变性投影寻踪法可以有效地解决传统投影寻踪方法存在的方向性强、受角度影响大等问题。该方法在进行分类之前，先采用旋转矩阵将原CM进行旋转，然后再进行归一化和投影寻踪，从而实现了对目标分类过程中角度变化的无关性。
基于切片矩阵的投影寻踪法是在传统投影寻踪方法基础上引入了切片矩阵作为数据的分析工具，从而能够更好地反映数据的统计特性。该方法采用切分矩阵对数据进行划分和分类，具有更高的分类精度和鲁棒性。
四、结语
投影寻踪方法是一种常用的PolSAR图像分类方法，其因其对地物间遮挡和重叠情况的免疫特性而备受重视。随着PolSAR图像应用领域的不断拓展，投影寻踪方法也在不断发展和完善。未来，在投影寻踪方法的基础上，我们还可以尝试与深度学习技术的结合，以此来提升其分类效果和准确性。