1、當前,極化合成孔徑雷達( Polarimetric Synthetic Aperture Radar)已成為國際對地觀測領域的重要方向之一。極化SAR有單極化和全極化之分,單極化SAR圖像的處理是遙感技術應用里非常重要的部分,而與單極化SAR相比的全極化SAR圖像能夠提供更多的地物信息。地物分類是極化SAR圖像的重要方向之一,有利于人們對極化圖像的理解以及挖掘圖像中的隱含的信息。
　　本文主要研究基于低秩表示( LRR)的極化SA

2、R圖像分類方法。低秩表示的方法可以解決子空間的分類問題,本文首先進行特征提取,然后通過低秩表示對特征空間進行劃分,最后對低秩表示系數(shù)進行聚類,獲取聚類結果。主要工作如下:
　　1.提出了一種基于低秩表示的單幅圖SAR圖像分割方法和多幅圖分類方法。分割方法首先進行過分割,然后提取特征,最后分割,得到分割結果;多幅圖的分類方法對輸入的每幅子圖像進行小波分解,并求小波能量構建特征矩陣,然后對特征矩陣進行低秩處理,獲取低秩系數(shù),對低秩系數(shù)

3、進行聚類,最后計算聚類結果,該方法相對于其他的一些經典的聚類方法能夠更好的提高聚類正確率。
　　2.提出了一種基于超像素低秩表示的全極化SAR圖像分類方法。該方法將目標的極化特征基于傳統(tǒng)的Freeman分解,得三種散射機制;用超像素對極化SAR圖像進行預分割處理,將圖像分割為互不重疊的小區(qū)域,這個小區(qū)域也就是所說的超像素;根據(jù)Freeman分解得到的散射機制,對所有超像素分別提取對應的特征向量,并構建特征矩陣;對特征矩陣進行低秩表

4、示;然后對低秩系數(shù)進行聚類,獲取聚類結果;最后,采用Wishart分類器做最后的調整。與已有的經典極化SAR分類方法相比,該方法提高了一定的分類精度,并具有較強的普適性。
　　3.提出了一種基于超像素的潛在低秩表示( LAT_LRR)的全極化SAR圖像分類方法。該方法的框架與上一章提出的方法類似,這章主要是用潛在低秩表示來對特征矩陣來求解表示系數(shù),潛在低秩表示相比低秩表示,它更具魯棒性。與已有的經典全極化SAR分類方法相比,也是具