基于協(xié)同訓(xùn)練和深度svm的極化sar分類方法
【專利摘要】本發(fā)明公開了一種基于協(xié)同訓(xùn)練和深度SVM的極化SAR分類方法，主要解決現(xiàn)有技術(shù)中由于極化合成孔徑雷達SAR圖像的有標(biāo)記樣本較少造成的分類精度低的問題。其實現(xiàn)步驟是：(1)輸入圖像；(2)預(yù)處理；(3)選取樣本；(4)訓(xùn)練三個不同的初始深度支撐向量機SVM分類器；(5)協(xié)同訓(xùn)練三個最終深度支撐向量機SVM分類器；(6)分類；(7)計算分類精度。本發(fā)明充分利用了極化合成孔徑雷達SAR圖像無標(biāo)記樣本的信息，解決了分類技術(shù)中存在的分類器過學(xué)習(xí)問題，提高了極化合成孔徑雷達SAR圖像的分類精度。
【專利說明】基于協(xié)同訓(xùn)練和深度SVM的極化SAR分類方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于圖像處理【技術(shù)領(lǐng)域】，更進一步涉及機器學(xué)習(xí)【技術(shù)領(lǐng)域】中的基于協(xié)同訓(xùn) 練和深度支撐向量機（Support Vector Machine SVM)的半監(jiān)督分類方法。本發(fā)明是利用 訓(xùn)練樣本分別同時訓(xùn)練三個深度支撐向量機SVM分類器，通過三個深度支撐向量機SVM的 交互學(xué)習(xí)，提高極化合成孔徑雷達（Synthetic Aperture Radar SAR)圖像分類的精度?？?用于極化合成孔徑雷達的目標(biāo)檢測和地物分類。

【背景技術(shù)】
[0002] 極化合成孔徑雷達SAR通過記錄目標(biāo)多個極化狀態(tài)下的電磁波的散射信息，獲取 豐富的地物信息，在農(nóng)業(yè)、林業(yè)、地質(zhì)學(xué)等方面具有廣泛的研究和應(yīng)用價值。關(guān)于極化合成 孔徑雷達SAR分類的方法有很多，根據(jù)是否需要人工指導(dǎo)可分為有監(jiān)督分類、半監(jiān)督分類 和無監(jiān)督分類。由于半監(jiān)督的分類方法能夠既利用有標(biāo)簽的信息，又可以利用大量的無標(biāo) 簽信息，因此，半監(jiān)督方法更符合實際的應(yīng)用。
[0003] 西安電子科技大學(xué)提出的專利申請"基于SDIT和SVM的極化SAR圖像分類方 法"（申請?zhí)枺?01410089692. 1，
【發(fā)明者】焦李成, 劉芳, 姜紅茹, 馬文萍, 馬晶晶, 王爽, 侯彪, 李陽陽, 劉靜 申請人:西安電子科技大學(xué)