基于面向?qū)ο蟮臉O化SAR地物分類(lèi).pdf

1、近年來(lái)，極化SAR地物分類(lèi)應(yīng)用十分廣泛，除了在軍事領(lǐng)域?qū)娛履繕?biāo)的監(jiān)測(cè)與識(shí)別，在民用領(lǐng)域中對(duì)農(nóng)作物普查、環(huán)境監(jiān)測(cè)、耕地以及城市用地占用、海洋溢油、船只監(jiān)測(cè)也有重要的價(jià)值。本文通過(guò)對(duì)大連市Radarsat-2數(shù)據(jù)以及紐芬蘭海岸SIR-C數(shù)據(jù)進(jìn)行分析處理，提出了一種尋找最優(yōu)分類(lèi)特征子集，面向?qū)ο蠓治龅难芯克悸?，它包括極化分解、特征分析、面向?qū)ο蠓治?、馬氏距離和SVM分類(lèi)算法。
　　本文首先對(duì)全極化SAR數(shù)據(jù)做了簡(jiǎn)要分析，闡述了其從衛(wèi)星

2、微波信號(hào)到計(jì)算機(jī)圖像的轉(zhuǎn)化。然后，對(duì)SAR遙感圖像的各種特征分門(mén)別類(lèi)，主要?jiǎng)澐譃槿箢?lèi)，為:直接基于極化SAR原始數(shù)據(jù)的特征、基于目標(biāo)分解獲取的特征，以及圖像的視覺(jué)特征。針對(duì)每一類(lèi)特征都介紹了提取算法并給出了使用理由。再次，對(duì)三類(lèi)特征進(jìn)行子集劃分，共組合了9個(gè)特征子集進(jìn)行比較從而獲得最優(yōu)子集，并對(duì)其進(jìn)行去冗余化。最后提出了在最優(yōu)特征子集基礎(chǔ)上進(jìn)行面向?qū)ο蠓治龅乃枷氆@得了理想的分類(lèi)精度。
　　實(shí)驗(yàn)證明，進(jìn)行特征分析后，對(duì)某一種類(lèi)型的

3、地物存在最優(yōu)的分類(lèi)特征子集使得分類(lèi)的精度以及地物的識(shí)別效果比較好，而且具有共性。最后在最優(yōu)特征子集的基礎(chǔ)上進(jìn)行了面向?qū)ο蠓治觯?guī)避了傳統(tǒng)分類(lèi)的一些缺點(diǎn)，可以有效地抑制噪聲，提高分類(lèi)精度，減少各類(lèi)地物之間的分類(lèi)混淆。針對(duì)現(xiàn)有的圖像分割算法速度慢，對(duì)復(fù)雜類(lèi)型的地物分割效果不理想的情況，本文提出了一種先聚類(lèi)初始分割，后Lambda合并的分類(lèi)方法，并取得了理想的結(jié)果。鑒于實(shí)驗(yàn)的數(shù)據(jù)還不夠充足，許多結(jié)論為初步得到，進(jìn)一步的驗(yàn)證還需要更多的數(shù)據(jù)和實(shí)