關鍵詞：極化sar 分類算法 魯棒學習 

摘要：考慮到極化合成孔徑雷達(PolSAR)圖像標注信息量低以及相干斑噪聲難以消除的問題,該文從魯棒統計學習的角度提出了一種基于Pin-SVM的極化SAR圖像魯棒分類方法,根據極化SAR圖像的散射特性和地物的紋理特性,通過求解兩類樣本之間的最大分位數距離來確定分類超平面,在無需迭代的前提下得到更加魯棒的分類結果。相比傳統的基于最大間隔的極化SAR圖像分類算法,該文所提算法一方面在對極化SAR圖像提取到的特征中包含的噪聲具有更好的魯棒性,另一方面對于訓練樣本的抽樣范圍不敏感,即重采樣具有更好的魯棒性。利用EMISAR的Foulum地區極化SAR數據進行了算法驗證,多種情況的對比實驗的結果驗證了該算法的有效性。

雷達學報雜志要求:

<一>計量單位、數字、符號 文稿必須使用法定的計量單位符號。

<二>正文標題：文內各級標題題號一律頂格書寫，標題題號分級采用1；1.1；1.1.1等標注形式。結構層次不宜過多，一般為二級或三級。

<三>文稿應具嚴謹的科學性，并有一定先進性和實用性。內容重點突出，文字務必簡練、準確、通順，字跡清楚。

<四>基金課題論文所涉及的課題如是國家或部、省、市級以上基金項目或攻關項目，應在文題頁左下角橫線下注明“基金項目。

<五>引言作為論文的開場白，應以簡短的篇幅介紹論文的研究背景和目的，對相關領域內前人所做的工作和研究進行簡要的概括。

注：因版權方要求，不能公開全文，如需全文，請咨詢雜志社