An Unsupervised Feature Selection Method Based on Nonlinear Manifold Embedding for Polarimetric SAR Image Classification

سال انتشار: 1400
محل انتشار: هشتمین کنفرانس ملی رادار و سامانه های مراقبتی ایران
کد COI اختصاصی: RADARC08_009
زبان مقاله: انگلیسی
تعداد مشاهده: 303

نویسندگان

Faculty of Electrical Engineering Khajeh Nasir Toosi University of Technology Tehran,Iran

چکیده

In this paper, we propose a method for polarimetric synthetic aperture radar (PolSAR) image classification. It’s proven that one of the most important challenges in PolSAR image classification is the number of redundant features that are extracted from PolSAR images. Therefore, in this article to achieve the optimal result of PolSAR image classification, the redundant spatial-polarimetric features of PolSAR images will be reduced by using the proposed method. In our proposed dimension reduction algorithm, we use a Locally Linear Embedding (LLE) algorithm based on the graph framework. So, by applying the proposed method in the spatial-polarimetric features that are extracted from PolSAR images, the redundant features can be reduced accurately. Because the proposed LLE uses the sparse method to reduce the dimension of redundant features, it has higher performance compared with other traditional LLEs. In addition, the proposed method has a closed-form solution and it has a high performance even in small-size training sets. Finally, the experimental results show the high performance of the proposed method.

کلیدواژه ها

Locally Linear Embedding, PolSAR, image classification, redundant features

مقالات مرتبط جدید

اطلاعات بیشتر در مورد COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.