关键词：SAR 图像；变化检测；半监督学习；K-Means；支持向量机
摘 要：针对合成孔径雷达（synthetic aperture radar, SAR）图像变化检测获得有标记样本的数量十分有限且困难，传统方法检测率低等问题，提出了一种基于原始特征空间的KM-SVM 法 SAR 图像无监督变化检测。首先，不需要任何先验信息的条件下，利用 K-Means聚类方法获取差异图像的分类阈值；其次，利用阈值，引入偏移量，自动选取伪训练集和无标签集，并用伪训练集定义支持向量机（support vector machine, SVM）的初始决策超平面；最后，用基于统计特征的半监督学习算法和支持向量机相结合对图像进行变化类与非变化类的分类。实验结果表明：本文算法优于基于混合高斯分布模...
内 容：原文可通过湖北省科技信息共享服务平台（http://www.hbstl.org.cn)获取