极化合成孔径雷达图像非监督分类研究的中期报告.docxVIP

极化合成孔径雷达图像非监督分类研究的中期报告 本研究旨在探索使用非监督分类方法对极化合成孔径雷达图像进行分类的可行性，并进一步优化分类算法。本次报告为中期报告，主要介绍了研究的进展情况和目前所得到的结果。 研究进展： 1. 数据集的准备 我们采用了SAR数据和地物分类数据作为研究数据集，数据来源为欧空局的SENTINEL-1卫星。我们对原始数据进行了预处理，包括数据校正、去斑点噪声和平滑处理。 2. 特征提取和选择 我们采用了主成分分析（PCA）方法提取了极化合成孔径雷达图像的主要光学特征，并通过方差贡献率确定保留主成分的数量。然后，我们利用随机森林方法对提取的特征进行了选择。 3. 分类算法的研究 我们使用了常见的K均值聚类、高斯混合模型聚类和谱聚类算法对提取的特征进行了分类。通过对比不同算法的分类效果，我们得出了相应的结论并对算法进行了优化。 目前所得到的结果： 我们比较了三种不同分类算法的分类效果，并计算了相关的评价指标。结果表明，谱聚类算法是最有效的算法之一，能够得到最佳的分类结果。我们进一步对谱聚类算法进行了优化，如选择合适的谱半径和标准化方法，结果显示能够进一步提高分类准确性。 接下来的研究： 我们将进一步研究如何将机器学习算法融入到我们的分类算法中，以进一步提高分类准确性。我们还将尝试使用其他的SAR数据和地物数据集，以验证我们算法的泛化能力。