论文部分内容阅读
合成孔径雷达(Synthetic Aperture Radar,SAR)作为一种主动微波遥感成像系统,相较于光学成像系统有着全天时、全天候、穿透能力强等优势。伴随着高分3号卫星的成功发射并即将投入使用,我国极化SAR系统在土地利用,灾害评估等应用场景中将发挥越来越重要的作用。典型地物分类是极化SAR影像解译的重要环节,也是实现极化SAR影像实际应用的关键。本文依托高分辨率对地观测系统重大专项,以典型地物与极化SAR特征的关系作为研究对象,基于SAR影像自动分类样本库,采用特征提取和特征分析方法,挖掘地物类型与极化SAR特征的关系,并应用于地物分类算法中。论文的主要工作与贡献在于:(1)基于极化SAR影像的特性,采用样本分析方法研究典型地物与极化SAR特征的关系,从不同的角度构建地物的敏感特征集合,为后续的地物分类提供理论基础。(2)在极化SAR像素样本分析的基础上,提出一种基于多层支持向量机(Support Vector Machine,SVM)的极化SAR特征分析与分类方法。通过特征分析构建不同地物目标类型的特征子集,结合多层SVM对影像进行分类。该方法充分利用SAR影像不同极化特征对不同地物目标类型的刻画能力。实验结果表明水域、耕地等4类地物的分类精度在85%以上,总体分类精度达到86%。(3)在极化SAR不同尺度对象样本分析的基础上,提出了一种基于SLIC超像素分割的极化SAR特征选择及分类方法。该方法结合SLIC超像素分割和基于相关性的特征选择算法(Correlation-based feature selection,CFS),构造不同尺度下的敏感特征集合,采用多层分类的方式进行分类,最后利用阈值融合获得最终的分类结果。该方法充分利用不同尺度下极化SAR特征对地物类型的描述能力。实验结果验证了该方法的有效性。(4)依据高分辨率对地观测专项的项目需求,结合极化SAR自动分类方法的研究需要,构建面向SAR影像自动分类样本库。该样本库实现了极化SAR影像和样本的统一管理,满足了上述极化SAR地物分类方法样本分析及分类的需要。