极化SAR图像的分割和分类算法研究的综述报告.docx

极化SAR图像的分割和分类算法研究的综述报告
极化合成孔径雷达（PolSAR）是一种新型的遥感技术，将微波能量发送至地表并接收反射的电磁波。通过这种技术掌握着不同极化状态下地面的散射信息，从而获得了比其它雷达图像更多的地表信息。极化SAR图像的分割和分类算法研究已经成为遥感领域中一个广受关注的研究课题。本文将对这方面的研究进行一次综述。
极化SAR图像的分类
极化SAR图像的分类是基于对各个像元分类属性（比如归一化散射矩阵元素，自然高斯分布中的散射强度等）的设定，进行图像分类的过程。其中分类算法主要分为以下几类。
1.基于剖分的分类算法
基于剖分的分类算法是利用多层次分解树来实现分类。其主要思想是将样本再次分割成子组，直到分割结束为止。步骤包括：定义最小节点、选定属性、制作决策规则和选择标准等。
2.基于统计模型的分类算法
该分类方法是基于多元统计分析方法来实现的。其中，针对于选定的统计模型，学习训练样本并恰当地设定模型参数。然后，将模型应用于分类图像并对其进行分类。
3.经典分类器
经典分类器是一些基础的分类器，如邻近分类、辅助分类、支持向量机算法等。
极化SAR图像的分割
分割是将一幅图像分割成若干个区域，每个区域与其他区域的像素强度必须均匀。通过从原始图像的像素级分割到目标可以实现各种应用，包括目标检测和图像分类。极化SAR图像的分割技术可以分为以下几类。
1.基于图的分割算法
基于图的算法是基于图论来进行极化SAR图像分割的。该方法利用图来表示像素和像素之间的相似性，将像素之间的距离转换为图中边的权重并将像素看作图中的节点。然后执行图分割算法。
2.基于区域的分割算法
基于区域的分割算法采用分区域的方法，将整个图像分割成若干个相似的区域。该方法涉及到从图像的属性中选择更可区分区域的属性。一旦允许选择属性，该方法会相对容易地将图像分成多个子集。
3.模型分割算法
模型分割算法的主要思想是将极化SAR图像中的各个区域建模为一种特定的模型，并寻找适当的算法来解决估计问题。
结论
综上所述，极化SAR图像的分类和分割算法是研究的一大热点，研究这方面的技术有利于更好地研究地球表面的自然景象。尽管在某些情况下，极化SAR图像的分类和分割算法已经开始在实践中得到应用，但是还需要在这个领域进行更多的研究，以建立更具可行性的算法，并将其广泛应用于极化SAR图像的处理和应用。