共查询到18条相似文献，搜索用时 203 毫秒
1.
多时相双极化合成孔径雷达干涉测量土地覆盖分类方法 总被引：5，自引：1，他引：4
综合采用时相、极化和干涉3种维度的SAR数据进行土地覆盖分类。以黑龙江省逊克县多时相ALOS PALSAR数据覆盖区为研究区,利用不同时相极化SAR、干涉SAR信号对地物特征的敏感性,结合后向散射强度和干涉相干的时变特征进行地物解译,发展了基于多时相、多极化、干涉SAR数据的SVM土地覆盖分类方法。研究结果表明,引入双极化SAR中不同极化(HH-HV)间的相干系数,并结合所选择的时相特征、极化特征以及干涉相干特征进行分类,可解决双极化SAR影像中林地与城市及建设用地的混分问题,得到更高精度的土地覆盖分类结果。 相似文献
2.
极化SAR图像分类是SAR图像解译的重要内容,快速、准确的SAR图像分类是实现各种实际应用的前提.现基于极化SAR图像的特点,用H-α、Wishart分布及H-α-FCM三种方法对机载全极化SAR数据和星载全极化SAR数据做了分类实验研究.结果表明,由于H-α平面的划分过于简单,这不可避免的会导致分类结果的不稳定性;Wishart分类方法能够清楚地区分开自然地物的主要类型,更符合散射机制的自然分布,并考虑与后向散射强度有关的信息,以一种自适应的方式改变了H-α平面中的决策边界,改善了H-α分类结果;H-α-FCM分类方法能较好的克服H-α分类结果中地物类别的模糊问题. 相似文献
3.
4.
针对ALOS PALSAR全极化数据提取了多种极化特征,分析其对人工地物、裸地、农田、林地、水体5种典型地物的提取能力。实验结果表明,利用全极化SAR影像提取的极化特征可以较好地区分城市典型地物类型,并且全极化数据的地物区分能力优于双极化数据。对于单一时相的数据分类结果而言,人工地物与其他非人工地物的极化特征差别最大,水体与林地也较容易区分,而裸地和农田容易混淆。 相似文献
5.
结合后验概率对分类的影响和全极化SAR数据特点,提出了一种全极化SAR数据分类方法。首先将全极化SAR数据的协方差矩阵转换为9个服从正态分布的强度量;然后通过迭代分类计算类别出现的概率,对9个强度量进行基于最大后验概率的分类。以黑龙江省逊克县境内的一景ALOS PALSAR全极化数据为例,用该方法进行分类,总体精度和Kappa系数分别达到81.34%和0.84,优于传统的最大似然分类方法。 相似文献
6.
用多方向飞行的全极化SAR图像可能提取特定三维目标的高度与位置信息,进而实现目标物的几何立体重构。全极化SAR图像数据与单极化SAR相比,可以选择多种极化组合数据,提供对于特定目标几何特征敏感的数据类型,通过多方向飞行SAR图像反演该目标或目标群的高度与位置信息。本文用两幅相向飞行的PI-SAR(日本机载极化与干涉SAR,X波段、1.5m分辨率)图像,提取日本仙台电视塔高度、日本东北大学建筑物群的立体重构。 相似文献
7.
8.
全极化SAR影像含有丰富的特征信息,针对单一特征用于分类难以达到满意精度的问题,提出一种基于不同目标分解方法及纹理信息的SVM(Support Vector Machine,SVM)全极化SAR影像监督分类方法。结果表明,Cloude分解和Yamaguchi分解在极化特征信息提取时各有优势,且都优于Freeman分解效果;Cloude分解和Yamaguchi分解结合作为极化特征信息时,分类总体精度相对较高;纹理信息与极化特征信息在表现地物特性方面具有互补性,结合纹理信息后,分类总体精度提高了4.92%,为90.86%,Kappa系数为0.8754。 相似文献
9.
10.
基于Sentinel-1A数据的临高县早稻面积提取 总被引：1，自引：0，他引：1
《国土资源遥感》2020,(1)
为了探讨双极化Sentinel-1A雷达影像数据识别提取早稻面积分布信息的能力,在分析典型地物后向散射系数的基础上,沿用极化差分合成孔径雷达(synthetic aperture Radar,SAR)图像和极化比值SAR图像对典型地物分类有着重要作用的思路,提出水体归一化参数,随后采用支持向量机(support vector machine,SVM)分类方法和阈值分类方法选取单时相、多时相水体归一化极化SAR数据(2017年3月10日、3月22日、4月3日、4月15日、4月27日)提取早稻面积。结果表明,阈值分类方法优于SVM分类方法,其总体精度为89.01%,Kappa系数为0.823 1,早稻的制图精度和用户精度分别为92.68%和82.26%;种植面积为1.29万hm~2,与临高县主要的早稻生产基地在空间分布上基本一致。由此可得,多参数的极化SAR数据可以提高识别提取地物的精度,提取早稻面积的最佳监测数据为多时相水体归一化VH极化SAR数据。 相似文献
11.
全极化SAR获取的信息量远多于传统SAR,但信息量的增加并不能确保分类精度的提高,如何有效进行特征选择至关重要。针对自适应特征选择问题,提出一种顾及分类器参数的特征选择和分类方法。该方法以支持向量数为评估依据,结合遗传算法进行特征选择,并同时对分类器参数进行寻优;最后利用优选的特征集和模型参数进行分类。为验证算法的有效性,利用两组全极化数据进行了监督分类实验。实验结果表明,提出方法降低了SVM分类器对自身参数的敏感性,而且能在较少特征个数下具备良好的泛化性能,分类精度优于未经过特征选择和参数优化的方法。 相似文献
12.
Fully and partially polarimetric SAR data in combination with textural features have been used extensively for terrain classification. However, there is another type of visual feature that has so far been neglected from polarimetric SAR classification: Color. It is a common practice to visualize polarimetric SAR data by color coding methods and thus it is possible to extract powerful color features from such pseudo color images so as to gather additional crucial information for an improved terrain classification. In this paper, we investigate the application of several individual visual features over different pseudo color generated images along with the traditional SAR and texture features for a novel supervised classification application of dual- and single-polarized SAR data. We then draw the focus on evaluating the effects of the applied pseudo coloring methods on the classification performance. An extensive set of experiments show that individual visual features or their combination with traditional SAR features introduce a new level of discrimination and provide noteworthy improvement of classification accuracies within the application of land use and land cover classification for dual- and single-pol image data. 相似文献
13.
Envisat ASAR的区域森林-非森林制图 总被引：2，自引：0，他引：2
凌飞龙 李增元 陈尔学 黄燕平 田昕 SCHMULLIUS Christin LEITERER Reik REICHE Johannes SANTORO Maurizio 《遥感学报》2012,16(5):1100-1113
Envisat卫星ASAR传感器的双极化数据对区域森林监测十分有效。通过分别采用SRTM DEM和Landsat TM图像对地形起伏区域和平坦区域的SAR图像进行地理编码,发展了一种SAR图像自动预处理方法。基于冬季单时相ASAR数据的HH(水平发射,水平接收)、HV(水平发射,垂直接收)极化比值和HV极化图像,提出了一种面向对象的森林-非森林分类方法。将之应用于中国东北森林/非森林制图,分类总体精度、森林用户精度和生产者精度分别为83.7%,85.6%和75.7%。结果表明,本文提出的方法十分适合区域森林-非森林制图的业务化运行。 相似文献
14.
本论文尝试讨论两个主题：主题一为利用主成分分析PCA方法应用于像元阶层资料融合技术的研究。主题二为应用Dempster-Shafer evidence theory方法于特征阶层数据融合技术的研究。在第一个主题中，由于合成孔径雷达的数据具有全偏极特性，在此选取了对植被较为敏感的HV极化合成孔径雷达数据，与具有光谱特性的光学SPOT数据做数据融合处理以利接下来的地物分类。首先，本研究利用小波转换技术来滤除合成孔径雷达斑驳噪声，在接下来融合步骤中，主成分分析出来的第一部分（PCI）是用做完滤除噪声后的合成孔径雷达取代，在数据融合后，进行地物分类是采用最大似然法来分类融合影像。在第二个主题中，利用全偏极雷达数据的极化特性结合SPOT数据的光谱特性，其主要目的是为了增加分类的精确度。首先使用李式滤波器滤除全偏极雷达数据噪声，接下来同样是使用采用最大似然法来分类融合影像，（不同的在于全偏极雷达影像使用Wishart几率分布，在光学影像采用multivariate Gaussian几率分布）将每个类别中每个像元属于某个类别的几率值计算出来，再利用Dempster-Shafer evidence theory来结合这些类别的机率值。最后产生出一张新的分类影像。实验的结果显示分类的精确度比较于未融合的资料都有明显提升的效果，也证明了此两个数据融合方法对于不同数据特性的融合都是很成功的。 相似文献
15.
2L-IHP目标检测算法及其在AIRSAR数据中的应用 总被引：1，自引：0，他引：1
简要介绍了2L—IHP（Two-Looks Internal Hermitian Product）算法，并针对实际情况对其作了相应的调整和改进。主要是突破算法对数据源的限制，使得它可以应用到幅度图像中。对于极化SAR图像，使用PWF（Polarimetric Whitening Filter）方云将3个通道的图像合成为一幅检测图，再进行目标检测。利用ADTS（Advanced Detection Technology Sensor）数据，对以上各种算法的检测效果进行了分析比较。应用C、L、P波段的AIRSAR极化数据进行试验，发现3个波段中，L和C波段的检测效果最好；4种极化方式中，HH极化取得最佳的检测效果；并且得出全极化数据的检测结果优于单极化数据的结论。但以上结论还有待进一步验证。 相似文献
16.
应用分水岭变换与支持向量机的极化SAR图像分类 总被引：1，自引：0，他引：1
结合分水岭变换与支持向量机的特性,提出一种新的极化SAR图像分类算法。其基本思想是先通过分水岭变换及区域合并处理,将极化SAR图像分割成一系列同质区;再以同质区为基本单元,进行特征提取及样本选择后采用支持向量机分类。实验结果表明,该算法可有效降低相干斑对分类的影响,与传统基于像素的SVM算法相比,其分类精度有显著的提高,且结果也更易于理解。 相似文献
17.
Abstract Artificial neural networks (ANN) have recently been popularly used in image classification. Input features to most ANNs are extracted based on a one class per pixel basis. This requires a large number of training samples and thus a slow training rate. In this paper, we describe the use of a windowing technique to extract textural features such as average intensity, second moment of intensity histogram and fractal surface dimension from an image. This method of image characterization reduces the number of training samples efficiently, yet retains a reasonable overall classification accuracy. The ANN is trained based on the back‐error propagation algorithm. The method is applied for landuse classification of Synthetic Aperture Radar (SAR) images. An example is given for a site in Kedah State, Malaysia. The SAR images (HH,HV,VV) were taken by the Canadian Centre for Remote Sensing (CCRS) CV‐580 airborne C‐band SAR system in November 1993 during their GlobeSAR mission in Malaysia. These multi‐polarization SAR images are co‐registered with a Landsat Thematic Mapper (TM) channel 5 image from same area. An overall classification accuracy of about 86.95% is achieved using windowing technique, as compared to 68.22% based on one class per pixel approach. This shows that through fractal and textural information, the windowing technique when applied in an ANN classifier has a great potential in remote sensing applications. 相似文献
18.
极化SAR参数优化与光学波谱相结合的面向对象土地覆盖分类 总被引：1，自引：1，他引：0
提出一种基于极化参数优化的面向对象分类方法。该方法结合光学和SAR数据,有效提高了对地物的识别能力。本文方法的关键在于:在■分解中,使用光学影像指导SAR影像选择同质点,使其更精确地估计极化参数并结合光学波谱信息作为输入特征;使用面向对象的分类方法,仅将光学影像作为分割输入,避免SAR噪声引起的分割错误。以美国Bakersfield地区的Sentinel-1/2数据为例,确定7种地物类型,对比分析不同输入与不同分类器对分类结果的影响。研究表明,优化输入参数在纹理丰富区域能够有效提高分类精度;面向对象的分类结果更加稳定并较好地维持地表几何特征;改进分类方法较传统分类方法总体精度提高了近10%,达到92.6%。 相似文献