...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Geoscience and Remote Sensing Letters, IEEE >Region-Based Classification of SAR Images Using Kullback–Leibler Distance Between Generalized Gamma Distributions
【24h】

Region-Based Classification of SAR Images Using Kullback–Leibler Distance Between Generalized Gamma Distributions

机译：基于广义伽马分布之间的Kullback-Leibler距离的SAR图像基于区域的分类

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

For the classification of synthetic aperture radar (SAR) images, traditional pixel-based Bayesian classifiers suffer from an intrinsic flaw that categories with serious overlapped probability density functions cannot be well classified. To solve this problem, in this letter, a region-based classifier for SAR images is proposed, where regions, instead of individual pixels, are treated as elements for classification. In the algorithm, each region is assigned to the class that minimizes a criterion referring to the Kullback–Leibler distance. Besides, the generalized gamma distribution , a flexible empirical model, is employed for the statistical modeling of SAR images. Finally, with a synthetic image and an actual SAR image acquired by the EMISAR system, the effectiveness of the proposed algorithm is validated, compared with the pixel-based maximum-likelihood method and two region-based Bayesian classifiers.
机译：对于合成孔径雷达（SAR）图像的分类，传统的基于像素的贝叶斯分类器存在一个固有缺陷，即具有严重重叠的概率密度函数的类别无法很好地分类。为了解决这个问题，在本文中，提出了一种基于区域的SAR图像分类器，其中将区域而不是单个像素作为分类元素。在算法中，将每个区域分配给最小化引用Kullback-Leibler距离的条件的类。此外，广义伽玛分布是一种灵活的经验模型，用于SAR图像的统计建模。最后，与基于像素的最大似然法和两个基于区域的贝叶斯分类器相比，利用EMISAR系统获取的合成图像和实际SAR图像，验证了该算法的有效性。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号