基于协同训练和深度svm的极化sar分类方法
【专利摘要】本发明公开了一种基于协同训练和深度SVM的极化SAR分类方法，主要解决现有技术中由于极化合成孔径雷达SAR图像的有标记样本较少造成的分类精度低的问题。其实现步骤是：(1)输入图像；(2)预处理；(3)选取样本；(4)训练三个不同的初始深度支撑向量机SVM分类器；(5)协同训练三个最终深度支撑向量机SVM分类器；(6)分类；(7)计算分类精度。本发明充分利用了极化合成孔径雷达SAR图像无标记样本的信息，解决了分类技术中存在的分类器过学习问题，提高了极化合成孔径雷达SAR图像的分类精度。
【专利说明】基于协同训练和深度SVM的极化SAR分类方法
【技术领域】
[0001] 本发明属于图像处理【技术领域】，更进一步涉及机器学习【技术领域】中的基于协同训 练和深度支撑向量机（Support Vector Machine SVM)的半监督分类方法。本发明是利用 训练样本分别同时训练三个深度支撑向量机SVM分类器，通过三个深度支撑向量机SVM的 交互学习，提高极化合成孔径雷达（Synthetic Aperture Radar SAR)图像分类的精度。可 用于极化合成孔径雷达的目标检测和地物分类。
【背景技术】
[0002] 极化合成孔径雷达SAR通过记录目标多个极化状态下的电磁波的散射信息，获取 丰富的地物信息，在农业、林业、地质学等方面具有广泛的研究和应用价值。关于极化合成 孔径雷达SAR分类的方法有很多，根据是否需要人工指导可分为有监督分类、半监督分类 和无监督分类。由于半监督的分类方法能够既利用有标签的信息，又可以利用大量的无标 签信息，因此，半监督方法更符合实际的应用。
[0003] 西安电子科技大学提出的专利申请"基于SDIT和SVM的极化SAR图像分类方 法"（申请号：201410089692. 1，
【发明者】焦李成, 刘芳, 姜红茹, 马文萍, 马晶晶, 王爽, 侯彪, 李阳阳, 刘静 申请人:西安电子科技大学