公开(公告)号：CN104866869A

公开(公告)日：2015-08-26

申请号：CN201510292485.0

申请日：2015-05-29

Applicant: 武汉大学

Inventor： 何楚 ,  康陈瑶 ,  韩功 ,  卓桐

IPC: G06K9/62

Abstract: 一种基于分布差异与增量学习的时序SAR图像分类方法，包括增量样本的选取和增量样本的增量学习。首先采用基于分布差异的方法对时间序列SAR图像进行变化检测，利用Egdeworth逼近原理估计源域和目标域SAR图像的统计分布，计算图像分布的交叉熵差异指数，并根据CFAR方法获取的检测阈值得到变化检测图，将未变化的区域作为增量样本；然后利用源域图像的已知训练集初始化SVM分类器，并通过迭代过程完成整个增量样本集的增量学习和SVM分类模型的参数更新。分布差异变化检测方法和支持向量机增量学习相结合，能够完成从源域到目标域的域自适应，从而实现目标域图像的高精度分类。

公开(公告)号：CN104866869B

公开(公告)日：2018-12-14

申请号：CN201510292485.0

申请日：2015-05-29

Applicant: 武汉大学

Inventor： 何楚 ,  康陈瑶 ,  韩功 ,  卓桐

IPC: G06K9/62

Abstract: 一种基于分布差异与增量学习的时序SAR图像分类方法，包括增量样本的选取和增量样本的增量学习。首先采用基于分布差异的方法对时间序列SAR图像进行变化检测，利用Egdeworth逼近原理估计源域和目标域SAR图像的统计分布，计算图像分布的交叉熵差异指数，并根据CFAR方法获取的检测阈值得到变化检测图，将未变化的区域作为增量样本；然后利用源域图像的已知训练集初始化SVM分类器，并通过迭代过程完成整个增量样本集的增量学习和SVM分类模型的参数更新。分布差异变化检测方法和支持向量机增量学习相结合，能够完成从源域到目标域的域自适应，从而实现目标域图像的高精度分类。