论文部分内容阅读
合成孔径雷达的图像分类,在军事和民事上具有重要意义。为了更好地实现分类,提出一种基于特征提取与主成份分析的方法(FEPCA)。特征集包括图像的Pauli特征、相干矩阵特征、小波特征、纹理特征。由于原始特征数目过多,因此采用主成份分析压缩特征维数。最后,选择人工神经网络作为默认分类器。实验部分选择WML算法与HA算法作为对比算法,对San Francisco的实测数据与地面真实场景显示,所提出的FEPCA算法为95.94%精确度,高于WML的94.82%与HA的95.73%精确度。因此,该算法优于WM