共查询到20条相似文献，搜索用时 109 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.
近年来我国南海油气资源遭到周边国家的掠夺,进行非法海上石油平台的识别对于维护海洋权益是非常有意义的。对海洋石油平台的识别,传统的基于岸基和岛屿站的观测方法范围非常有限;本文结合星载SAR全天时、全天候及免受云雾干扰的优势,尝试了一种基于SAR影像识别海上石油平台的方法。利用多景多时相SAR影像,首先在TerraSAR-X影像中做平台目标的初步识别,然后利用另一景不同时相的Radarsat2 SAR影像作对比,进行舰船目标的排除和初步识别结果的检验。本文以南海地区的三景SAR影像为数据源,共识别出5处石油平台,验证了通过SAR影像识别海上石油平台的可行性。 相似文献
3.
多时相SAR变化检测技术,通过分析同一区域不同时相的SAR数据可以检测地表地物目标的变化信息,在土地资源调查及监测管理方面具有广泛应用。本文将长时间SAR图像相干性特征与目标幅度信息进行融合,并采用多时相SAR数据堆栈处理方法进行大区域城建目标分类及变化信息检测。最后采用13景ALOS PALSAR数据对中国天津地区2007~2010年期间的城建区域变化进行了检测实验,得到了良好的实验结果,并验证方法有效性。 相似文献
4.
5.
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
6.
为探究时序合成孔径雷达(SAR)影像在干旱地区土地利用分类中的能力,该文以新疆石河子市为研究区域,基于时序Sentinel-1A SAR影像,采用随机森林、CART决策树、支持向量机3种分类方法对时序SAR影像进行分类并与单时相SAR影像分类结果的进行对比.结果表明,时序SAR影像相较于单时相SAR影像可以更加有效地获取高精度土地利用信息,3种分类方法的分类效果均优于单时相SAR影像,其中随机森林分类的分类精度最高,总体分类精度和Kappa系数分别达到92.77％和0.91. 相似文献
7.
8.
基于Sentinel-1多时相InSAR影像的云南松切梢小蠹危害程度监测 总被引：1，自引：0，他引：1
《国土资源遥感》2018,(4)
森林病虫害是森林健康生长的重要威胁之一,开展其危害程度监测对森林保护具有重要意义。基于多时相Sentinel-1C波段雷达数据、云南松物候和地面高度2 m处的相对湿度资料,对SAR相干系数和后向散射系数的时变特征及与相对湿度的相关性进行了分析,提出一种利用合成孔径雷达干涉(interferometric synthetic apertrue Radar,InSAR)影像进行森林病虫害危害程度监测的方法;并以云南省祥云县为研究区,进行了云南松健康林与不同程度受害林的分类研究。结果表明:(1)后向散射系数和相干系数的时序变化均与云南松物候期相关;(2)相干系数与相对湿度的相关性很小,后向散射系数与相对湿度有一定的相关性,其中轻度受害林的相关性达到0. 78;(3)通过实测数据验证,用多时相相干系数进行分类,精度高于后向散射系数分类,其中降轨数据的精度最高,可达到83. 15%,表明多时相C波段SAR相干数据可有效识别健康林与不同程度的受害林;(4)该方法对多云雨地区的森林病虫害监测与分类有一定的优势,可以进一步提升遥感监测病虫害的能力。 相似文献
9.
基于机器学习分类器的极化合成孔径雷达（synthetic aperture radar, SAR）影像水体提取方法具有较高的可靠性,但其通常依赖于大量的训练样本,利用该方法进行多时相极化SAR影像的水体提取时,在每一景影像上都人工标注足够数量的训练样本是十分困难且耗时的。同时,SAR影像上固有的相干斑点噪声会进一步加剧样本标注的难度。对此,引入迁移学习方法,利用其知识迁移能力将已有的训练样本的类别标签信息迁移至未标注的样本,以降低获取新样本所需的人工代价,提高水体提取的时效性。使用6景极化SAR影像和4种迁移学习方法进行最佳源域影像选取、样本标签迁移和水体提取实验,实验结果表明,迁移学习方法可以准确地将源域影像上的训练样本的标签信息迁移至其他影像,有效减少其他影像进行水体提取需要的人工标注样本的数量,同时能够维持较高的水体提取精度,在洪涝灾害应急响应中具有一定的应用价值。 相似文献
10.
极化SAR影像所包含的丰富的地物极化特征信息使得SAR影像的解译更为容易,同时也使得对地物的探测更加精准。在本文中,首先基于极化SAR影像的极化特征,采用区域融合算法对影像进行分割;在此基础上使用基于Wishart分布的最大似然分类方法(Wishart-LRT)、基于几何扰动滤波(GPF)的极化SAR影像分类方法和最近邻(KNN)分类方法对影像中的耕地、草地、林地、水体进行分类和提取,并对分类结果进行分析评价,最终发现对于该区域的RADARSAT-2影像而言,基于Wishart分布的最大似然分类方法对于地物分类可达到较高的精度。 相似文献
11.
提出了顾及各数据源成像模型、上下文关系模型和可靠性的基于Ｂａｙｅｓ融合分类的方法，并采用该方法对ＬａｎｄｓａｔＴＭ和航空ＳＡＲ影像进行土地利用分类试验。结果表明：同单独ＳＡＲ影像分类结果相比，融合分类法将分类精度提高了２０％。 相似文献
12.
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
13.
合成孔径雷达（ SAR）图像含有丰富的纹理信息,特别是进行城市地物分类时,纹理特征对于图像的解译具有重要的意义。本文对基于灰度共生矩阵和Gabor变换两种纹理特征提取方法进行了研究,将灰度和不同纹理特征组合应用于SAR图像城市地物分类,并以ALOS PALSAR影像为数据源进行了实验。通过对不同分类结果进行定性和定量分析,结果表明,引入纹理特征后的SAR图像分类结果要优于无纹理信息参与的分类结果,基于不同纹理特征组合的SAR图像分类结果要优于基于单一纹理特征的分类结果。 相似文献
14.
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
15.
全极化SAR数据在地表覆盖/利用监测中的应用 总被引：2，自引：0，他引：2
SIR-C/X-SAR是运行在地球轨道上的第一个多波段(L、C、X)全极化(HH、VV、VH和HV)成像雷达系统,该系统具有极化测量和干涉测量功能。全极化雷达测量每一个像元的全散射矩阵,所获取的信息非常丰富。但是,由于这些极化合成图像具有较高的相关性,导致了图像信息提取精度的降低。本文基于新疆和田地区的SIR-CL波段全极化雷达数据,利用全散射矩阵的特点合成了HH-VV极化相关图像、极化度图像、目标增强图像和相位差图像。这些图像相关性小,地表覆盖信息丰富,提高了全极化SAR数据在实验区信息提取的准确度。 相似文献
16.
Chamundeeswari V.V. Singh D. Singh K. 《Geoscience and Remote Sensing Letters, IEEE》2009,6(2):214-218
In single-band single-polarized SAR images, intensity and texture are the information source available for unsupervised land cover classification. Every textural feature measure identifies texture patterns by different approaches. For efficient land cover classification, textural measures have to be chosen suitably. Therefore, in this letter, the role of various intensity and textural measures is analyzed for their discriminative ability for unsupervised SAR image classification into various land cover types like water, urban, and vegetation areas. To make the algorithm adaptable, these textural features are fused using principal component analysis (PCA), and principal components are used for classification purposes. To highlight the effectiveness of PCA, the difference between PCA- and non-PCA-based classifications is also analyzed. Analysis of the role of texture measures for unsupervised classification of real-world SAR data with application of PCA is presented in this letter. The analysis of how every individual feature measure contributes for classification process is presented, and then, textural measures for a feature set are chosen according to their role in improving classification accuracy. By analysis, it is observed that the feature set comprising mean, variance, wavelet components, semivariogram, lacunarity, and weighted rank fill ratio provides good classification accuracy of up to 90.4% than by using individual textural measures, and this increased accuracy justifies the complexity involved in the process. 相似文献
17.
Synthetic Aperture Radar (SAR) data are of high interest for different applications in remote sensing specially land cover classification. SAR imaging is independent of solar illumination and weather conditions. It can even penetrate some of the Earth’s surface materials to return information about subsurface features. However, the response of radar is more a function of geometry and structure than a surface reflection occurs in optical images. In addition, the backscatter of objects in the microwave range depends on the frequency of the band used, and the grey values in SAR images are different from the usual assumption of the spectral reflectance of the Earth’s surface. Consequently, SAR imaging is often used as a complementary technique to traditional optical remote sensing. This study presents different ensemble systems for multisensor fusion of SAR, multispectral and LiDAR data. First, in decision ensemble system, after extraction and selection of proper features from each data, crisp SVM (Support Vector Machine) and Fuzzy KNN (K Nearest Neighbor) are utilized on each feature space. Finally Bayesian Theory is applied to fuse SVMs when Decision Template (DT) and Dempster Shafer (DS) are applied as fuzzy decision fusion methods on KNNs. Second, in feature ensemble system, features from all data are applied on a cube. Then classifications were performed by SVM and FKNN as crisp and fuzzy decision making system respectively. A co-registered TerrraSAR-X, WorldView-2 and LiDAR data set form San Francisco of USA was available to examine the effectiveness of the proposed method. The results show that combinations of SAR data with different sensor improves classification results for most of the classes. 相似文献
18.
19.
Abstract Texture is an important spatial feature, useful for identfying objects of regions of interest in an image. There are a number of methods for identification of textural parameters e.g. edgeness, frequency domain analysis, gray tone cooccurrence approach etc. Geologic information in radar images of heavily vegetated areas is contained mostly in the depiction of topography in image texture. Single band SIR/ERS‐1 SAR data posses a problem to the analyst for classification of the various land use/geological classes and generally multidate SAR data are used due to paucity of more number of bands. However, the multidate SAR data classification is not an ideal technique. A new technique, namely, spatial frequency band pass classification technique which generates two or more bands in the Fourier domain using the single band SAR data and then classifies various features of interest using their textural properties has been described here. Result shows higher percentage of classification using Maximum‐Likelihood Classifier (MXL) with two split‐band data as compared to the unsupervised classification of all the bands. 相似文献
20.
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