面向植被識別的SAR圖像分類方法研究.pdf

1、對森林和農業(yè)植被的監(jiān)測不僅為生產管理提供了有用的信息，而且是全球氣候變化和碳循環(huán)研究的重要內容。遙感技術是一種快速獲取大范圍植被信息的有效手段。合成孔徑雷達（SAR，Synthetic Aperture Radar）遙感因其全天時、全天候的成像能力，已經成為光學遙感的有益補充，有時甚至是數(shù)據(jù)獲取的唯一手段。各種新型的SAR傳感器相繼升空，為微波遙感的應用和研究提供了前所未有的潛力和機遇，也給數(shù)據(jù)處理和應用方法提出了挑戰(zhàn)。
　　面對

2、越來越多新型的SAR數(shù)據(jù)，如何根據(jù)特定目標，選擇最有效的數(shù)據(jù)（或數(shù)據(jù)特征）和數(shù)據(jù)處理方法從中提取信息？對于SAR圖像分類研究，應從兩個方面入手：一是基于對電磁波與地物作用的物理機制的理解，正確地認識圖像包含的信息，指導我們進行分類數(shù)據(jù)選擇和特征提?。欢前l(fā)展高效、穩(wěn)定的分類器。本文以森林和水稻兩類植被識別和面積制圖為目標，開展利用多維度SAR數(shù)據(jù)地物分類方法研究，對感興趣地類的SAR后向散射特征、干涉相干性特征和極化SAR提供的散射機制

3、特征進行全面地分析，發(fā)展有效的分類算法。主要研究內容和取得的成果如下：
　?。?）以認識遙感數(shù)據(jù)包含的信息為目的，總結了相關的雷達遙感的基本理論。SAR圖像的分類策略應該建立在對SAR圖像信息的認識和理解之上。雷達遙感的基本原理是電磁波與自然環(huán)境的相互作用過程，影響雷達后向散射的因素包括電磁波參數(shù)和目標物參數(shù)。本文分析了雷達波與地物相互作用的物理機制，介紹了雷達后向散射系數(shù)、相干斑和干涉相干性的統(tǒng)計特性，還介紹了SAR圖像處理的基

4、本原理和處理方法。這些理論總結為本文后續(xù)研究奠定了基礎。
　?。?）以森林識別為目的，基于星載SAR數(shù)據(jù)開展了基于規(guī)則的分類方法研究?；谝?guī)則的分類方法以對蘊含在觀測中的物理過程的理解為基礎。對兩個波段（C和L波段）、多時相、多入射角和多極化的SAR和干涉SAR數(shù)據(jù)進行分析，全面總結了森林的SAR圖像特征，對SAR圖像森林識別數(shù)據(jù)和特征的選取提供了參考。發(fā)展了利用ALOS PALSAR雙極化數(shù)據(jù)的后向散射強度和干涉相干性進行森林區(qū)

5、域識別的基于規(guī)則的分類方法?？傮w分類精度為78.36％，林地的生產者精度和用戶精度分別為62.02%和82.12%。防護林的識別精度達到了93%。達到了滿意的制圖精度，具有很好的應用前景。
　　（3）對L波段SAR水稻的布拉格散射現(xiàn)象和相應的分類識別方法進行了研究。從某些水稻田在ALOS PALSAR圖像上表現(xiàn)出的極強的后向散射這一物理現(xiàn)象入手，逐步分析產生該現(xiàn)象的物理機制-布拉格共振?；趯@一物理機制的理解，提出利用L波段SA

6、R圖像進行水稻識別的數(shù)據(jù)選擇與分類方法。本文認為利用L波段HV極化SAR數(shù)據(jù)可以進行水稻制圖，在以往的研究基礎上前進了一步，這是本文的一個創(chuàng)新點。該方法在本文實驗區(qū)達到了86%的制圖精度，值得推廣。
　?。?）發(fā)展了一種面向對象的極化SAR數(shù)據(jù)分類方法。利用面向對象的分類方法達到了SAR圖像斑點噪聲抑制的效果。并引入了鑒一種將極化協(xié)方差矩陣轉換成服從高斯分布的九個強度量表示的方法，應用光學遙感領域的多分辨率分割技術和面向對象分析技