關鍵詞：極化sar圖像 地物分類 半監督 最小生成樹 

摘要：該文針對極化SAR圖像分類中只有少量標記樣本的問題,提出了一種基于鄰域最小生成樹的半監督極化SAR圖像分類方法。該方法針對極化SAR圖像以像素為分類對象的特點,結合自訓練方法的思想,利用極化SAR圖像像素點的空間信息,提出了基于鄰域最小生成樹輔助學習的樣本選擇策略,增加自訓練過程中被選擇無標記樣本的可靠性,擴充標記樣本數量,訓練更好的分類器。最終用訓練好的分類器對極化SAR圖像進行測試。對3組真實的極化SAR圖像進行測試,實驗結果表明,該方法在只有少量標記樣本的情況下能獲得滿意的分類結果,且分類正確率明顯優于傳統的分類算法。

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