论文部分内容阅读
近年来,随着雷达极化测量技术和合成孔径雷达(Synthetic Aperture Radar,SAR)成像技术的逐渐成熟,结合两者优势的极化SAR(Polarimetric SAR,PolSAR)应运而生,并逐渐取代了传统低分辨率、单极化体制的雷达,成为现代雷达系统发展的主流方向。有效的PolSAR影像解译技术是PolSAR成功应用的基础。PolSAR系统的极化数据要想体现其真正的价值,需要先通过影像解译技术的有效分析与解译。然而相比于比较成熟的PolSAR成像技术与系统设计,PolSAR影像解译技术的发展相对滞后,严重制约了PolSAR技术的应用,因此,开展PolSAR影像解译技术的研究对于提高PolSAR系统的应用水平具有重要意义。影像解译的一个重要内容就是土地利用分类。传统的基于像元的分类方法仅利用像元本身的特征进行分类,这类方法虽能较好地保留影像的细节信息,但对于PolSAR影像来说,其固有的相干斑噪声会使单个像元的散射测量值与真实值之间出现误差,造成分类结果中出现较多的小块区域和孤立像素,从而增加了解译的难度。面向对象分类方法通过分割获得同质性的区域对象,将对象内的像元看作一个整体能有效地降低相干斑噪声对影像信息的破坏程度。面向对象方法是遥感领域的新兴技术,在抑制PolSAR影像的相干斑噪声方面有重要作用。研究面向对象方法在PolSAR影像分类上的应用,对推动PolSAR影像分类的发展有着重要意义。针对目前PolSAR影像面向对象分类研究中存在的主要问题,考虑到现有的理论和问题的复杂性,本文结合极化测量理论、图像处理、计算机视觉、数据挖掘及模式识别等领域的最新技术,以吉林省长春市部分区域为研究区,全极化RADARSAT-2影像为数据源,按照“目标极化分解影像分割特征选择分类多分类器组合”的总体路线对相关问题进行了系统分析和深入研究。论文的主要工作和研究成果概括如下:1、多种经典的目标极化分解方法(Pauli分解、Krogager分解、Huynen分解、Barnes1分解、Barnes2分解、Cloude分解、H/A/α分解、Freeman2分解、Freeman3分解、Yamaguchi3分解、Yamaguchi4分解、Neumann分解、Touzi分解、Holm1分解、Holm2分解和Van Zyl分解)被同时用于分类。通过这些目标极化分解方法,本文共计提取了61个极化参数。将提取的所有极化参数进行合成,形成一幅多通道影像,以用于后续的特征提取和分类等研究。2、针对PolSAR影像的特点,提出了一种新的基于边缘信息和区域信息混合的PolSAR影像分割方法。为检验提出的分割算法的性能,选取了全极化RADARSAT-2影像的两个子区域进行分割实验,并与e Cognition软件中的FNEA算法的分割结果进行了对比。实验结果表明,本文提出的分割算法对全极化RADARSAT-2影像有很好的适用性,同时它还具有较好的抗噪性能,这对于PolSAR影像的分析解译是非常重要的。3、针对面向对象分类中存在的特征维数过高的问题,提出了一种结合ReliefF算法和遗传算法(Genetic Algorithm,GA)的混合特征选择方法,即首先利用Relief F算法作为特征预选器滤除相关性小的特征,然后以GA作为搜索算法,以分类精度作为评估函数在剩余特征中选出最优特征子集。该算法将Filter模式和Wrapper模式进行了有效地结合,充分利用了二者的优势。为验证提出的特征选择算法的有效性,与基于三种其他特征选择算法的土地利用分类结果进行比较。结果表明,本文提出的特征选择算法能够花费较少时间获得最高的分类精度,证明了该算法能够有效地用于面向对象土地利用分类。4、除了在PolSAR影像面向对象分类中常用的支持向量机(Support Vector Machine,SVM)算法和决策树(Decision Tree,DT)算法,本文还采用了随机森林(Random Forest,RF)算法、贝叶斯(Bayes)算法和k近邻(k-Nearest Neighbor,k NN)算法对研究区RADARSAT-2影像进行土地利用分类实验。实验结果显示,五种分类算法的分类精度从高到低的排序是:SVM>RF>DT>k NN>Bayes;使用SVM算法进行土地利用分类的精度最高,总体精度和Kappa系数分别达到了92.60%和0.9022;而使用Bayes算法获得的精度最低,总体精度和Kappa系数分别仅为87.57%和0.8376。5、将多分类器组合方法引入到了PolSAR影像面向对象分类当中,首先利用Q统计量、相关系数和熵值三个指标,对SVM、DT、RF和k NN四个单分类器的所有组合形式的差异性进行度量,然后选取其中六个差异性较大的组合进行多分类器组合实验。实验结果表明:经过多分类器组合后,六个组合的总体精度和Kappa系数都得到了不同程度的提高,证明了多分类器组合方法在改善PolSAR影像面向对象分类效果上的有效性。