综合多特征的极化SAR图像随机森林分类方法

摘要

本发明公开了一种综合多特征的极化SAR图像随机森林分类方法，包括以下步骤：利用SLIC超像素生成算法分割待分类的极化SAR图像；提取极化SAR图像的特征信息，构建高维极化特征图；基于高维极化特征图训练随机森林模型，构建极化SAR图像随机森林模型；利用极化SAR图像随机森林模型统计像素各类别票数，以超像素为单元构建基于随机森林的超像素类别概率图；基于PLR模型迭代修正各超像素类别概率，得到迭代修正的超像素类别概率图；以超像素为单元计算各超像素类别，输出分类结果。本发明利用改进的SLIC算法生成准确细腻的超像素作为分类单元，有效降低了极化SAR图像中相干斑噪声的干扰；利用超像素间邻域特征进一步减小了相干斑噪声的干扰，提高了分类结果精度。