期刊名称：IEEE Transactions on Geoscience and Remote Sensing

影响因子：5.60

作者：赵志强，贾萌，王磊

论文介绍：

近年来，随着合成孔经雷达（Synthetic aperture radar，SAR）载荷平台的不断增加，大量高质量的图像被用于对各种地物目标进行精确观测。因此，对现有的海量高分辨率SAR图像数据进行处理则需要新的特征提取及学习技术以对不同地物获取充分的判别性信息。具体地，为了有效地描述不同类型地物，本文提出一种多尺度局部Fisher模式（MLFP）以有效获取统计及空间特征。首先，通过伽马混合模型对高分辨率SAR强度的统计分布进行建模，然后计算每个像素的Fisher矢量（FV）。然后，在提取不同尺度内相邻像素之间的几何信息后，利用FV中隐含的生成和鉴别信息。最后通过两个实验验证了所提出的MLFP的性能，即高分辨率SAR图像土地覆盖分类和SAR场景分类。实验结果表明：与现有的一些方法相比，在充分利用不同土地覆盖的统计和空间结构信息后，所提出的MLFP方法表现出了优越的性能。本研究对于如何有效获取不同地物的判别性信息具有十分重要的理论价值和技术指导意义。该研究成果发表在期刊IEEE Transactions on Geoscience and Remote Sensing上。

相关图片：