whishart聚类

资 源 简 介

whishart聚类

详 情 说 明

Wishart聚类是一种常用于极化合成孔径雷达（PolSAR）数据的无监督分类方法。它基于Wishart分布的特性，通过迭代优化将具有相似散射特性的像素归为同一类别。该方法通常结合极化熵、极化散射角和反熵等极化特征进行更精确的分类。

极化熵描述了散射过程的随机性，高熵值表示散射机制复杂多样，低熵值则表明散射机制较为单一。极化散射角反映了散射的对称性，能够区分不同散射体的几何特性。反熵则用于进一步细化分类结果，抑制噪声影响。这些极化特征的组合可以帮助提升分类精度，特别是在复杂地物场景中。

Freeman分解是一种经典的极化目标分解方法，将散射过程分解为表面散射、二面角散射和体散射三种基本机制。在Wishart聚类中，Freeman分解的结果可以作为辅助特征，增强对不同地物散射特性的解释能力，从而提高分类的物理可解释性。

整体流程通常包括初始化聚类中心、计算像素与聚类中心的Wishart距离、重新分配类别以及迭代优化等步骤。通过结合极化熵、散射角等特征，Wishart聚类能够更有效地捕捉地物的散射特性差异，适用于农业监测、森林分类和城市地物识别等应用场景。