%0 Journal Article %T SAR影像极化特征的混合高斯模型与分类 %O Acta Optica Sinica %A 李珞茹 %A 徐新 %A 董浩 %A 桂容 %A 谢欣芳 %J 光学学报 %@ 0253-2239 %V 39 %N 1 %D 2019 %P 0128002-1 %K 遥感;混合高斯模型;统计分布;合成孔径雷达;参数估计 %X 针对高分辨率极化合成孔径雷达(SAR)影像中极化特征呈现尖峰拖尾等复杂多样的统计特点, 采用混合高斯模型(GMM)对极化特征进行建模, 提出了一种约束距离的混合多元高斯分布的参数估计算法。该参数估计算法在贪婪期望最大算法框架下设计约束距离函数, 自动估计混合分量的个数和模型参数, 进而在贝叶斯框架下实现极化SAR影像的地物分类。对Radarsat-2旧金山等地区三组影像数据的分类结果表明:相比于经典的分类算法, 所提GMM分类算法的总体精度提高了7%~10%, 且对样本数目的依赖性更小, 在城区和耕地区域等异质区域可以得到精度更高的分类结果。 %R 10.3788/aos201939.0128002 %U http://www.opticsjournal.net/Articles/Abstract?aid=OJ190110001158dJgMjP %W 中国光学期刊网 %1 JIS Version 3.0.0