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重要組成部分，也是當下研究熱點之一。同時，由于極化SAR圖像本身的數(shù)據(jù)特點對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，更具有研究價值。本文以極化合成孔徑雷達的成像理論和數(shù)據(jù)特點作為理論基礎，討論了在極化SAR圖像特有的極化特征下如何達到更好的分類效果和精度，提出了一些改進性方法。
　　在基礎理論方面，論文著重介紹了極化SAR圖像數(shù)據(jù)的表征方式，和主要極化散射機制。在

2、不同的數(shù)據(jù)表達方式基礎上，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理的分解特征，是后續(xù)進行分類的重要基礎。
　　在極化SAR圖像分類技術方面，本文對當前主流的分類方法進行了介紹，并對分類效果進行對比討論。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的極化SAR分類方法。在基于SVM分類的算法方面，對比了各種極化分解的特征對于類型地物分類的效果。為了改

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