论文部分内容阅读
全极化合成孔径雷达(Polarization Synthetic Aperture Radar,PolSAR)数据中含有的信息远远多于单极化 SAR数据,但现有的分类方法仅部分地利用了 PolSAR数据中的信息,为了将蕴含在 PolSAR 数据中的信息更加充分地用在 PolSAR 数据分类中,本文结合目标分解理论、面向对象思想和 C5.0决策树算法,提出了一种新的PolSAR 数据分类方法。即首先对全极化影像按照不同的目标分解方式进行目标分解,提取包含地物散射机理信息的各种极化参数;然后将提取的极化参数进行分割,将影像的处理单元由像素变为对象;最后使用 C5.0决策树算法建立决策规则,实现地物分类。本文采用 RADARSAT-2 全极化数据进行实验,将本文提出的方法与经典的 H/ 非监督分类法、监督分类方法和 eCognition 分类方法等进行了比较,本文提出的方法分类精度达到了 83.20%,分别高于其他三种分类方法 8.59%、7.67%和1.29%。实验结果表明本文提出的方法具有较高的精度,适用性更强。该方法的提出可以为土地监测、国土资源调查和基础地理信息更新等应用做出贡献。