基于極化分解的極化SAR圖像分類.pdf

1、極化SAR圖像的分類是遙感圖像處理中的一個(gè)重要組成部分，也是當(dāng)下研究熱點(diǎn)之一。同時(shí)，由于極化SAR圖像本身的數(shù)據(jù)特點(diǎn)對(duì)圖像的深層次解譯和分析提供了更多的依據(jù)，因此和普通的遙感圖像相比，更具有研究?jī)r(jià)值。本文以極化合成孔徑雷達(dá)的成像理論和數(shù)據(jù)特點(diǎn)作為理論基礎(chǔ)，討論了在極化SAR圖像特有的極化特征下如何達(dá)到更好的分類效果和精度，提出了一些改進(jìn)性方法。
　　在基礎(chǔ)理論方面，論文著重介紹了極化SAR圖像數(shù)據(jù)的表征方式，和主要極化散射機(jī)制。在

2、不同的數(shù)據(jù)表達(dá)方式基礎(chǔ)上，研究了極化SAR圖像特有的極化分解方式，由此得到了能反映一定散射機(jī)理的分解特征，是后續(xù)進(jìn)行分類的重要基礎(chǔ)。
　　在極化SAR圖像分類技術(shù)方面，本文對(duì)當(dāng)前主流的分類方法進(jìn)行了介紹，并對(duì)分類效果進(jìn)行對(duì)比討論。包括基于Cloude分解的H-α分類方法，基于Wishart分布的極化SAR圖像聚類和基于支持向量機(jī)的極化SAR分類方法。在基于SVM分類的算法方面，對(duì)比了各種極化分解的特征對(duì)于類型地物分類的效果。為了改

3、進(jìn)SVM的分類效果，引入?yún)^(qū)域統(tǒng)計(jì)合并的方法，對(duì)其進(jìn)行預(yù)分割處理，再基于區(qū)域進(jìn)行SVM分類，得到了不錯(cuò)的改進(jìn)效果。
　　為了利用極化SAR圖像豐富的極化特征，本文將粒度領(lǐng)域的商空間理論引入到極化SAR分類中。結(jié)合不同特征進(jìn)行SVM分類，構(gòu)造出不同的商空間。再對(duì)同一個(gè)粒度上商空間進(jìn)行合成，以獲得更細(xì)粒度的表達(dá)。在合成規(guī)則方面，討論了不同判決準(zhǔn)則對(duì)合成結(jié)果的影響。和單分類器結(jié)果和簡(jiǎn)單的線性融合結(jié)果相比，該算法在目視分類圖和精度統(tǒng)計(jì)上都對(duì)