大场景高分辨率PolSAR图象土地覆盖分类方法研究

发布时间：2017-10-21 06:28

  本文关键词：大场景高分辨率PolSAR图象土地覆盖分类方法研究

  更多相关文章： PolSAR 大场景 高分辨率 土地覆盖分类 金字塔变换

【摘要】：土地覆盖分类是遥感图象一个重要的应用方向。遥感能够获得大范围的地表图象,为土地勘测节省了大量的人力物力。PolSAR图象因其具有全天时,全天候的优势,在土地覆盖方面具有重要的地位。除了能够反映土地覆盖的分布,PolSAR图象还能够提供地物的散射特性,这是其它遥感手段所无法比拟的。当前土地覆盖划分的非常细致,中低分辨率图象很难对这些细致的地物分类。而现在高分辨率PolSAR图象越来越多,可以达到1 m左右。这为土地覆盖较为细致的分类提供了可能。然而,用于土地覆盖分类的图象覆盖范围广,随着分辨率的提高,图象的数据量将随之骤增。这给图象处理带来了如下困难:大数据量的图象对计算机内存要求高,读取及处理困难;处理时间长;中低分辨率的分类算法或者小场景高分辨率图象的分类算法在大场景高分辨率图象分类中未必有效。本文为满足当今土地覆盖分类的需求,针对上述困难,通过变分辨率分层处理的手段,以土地覆盖分类系统为基准,实现了大场景高分辨率PolSAR图象的多种复杂土地覆盖分类。首先,介绍了大场景PolSAR图象,高分辨率PolSAR图象在土地覆盖分类方面的研究现状,分析了大场景高分辨率PolSAR图象研究的困难。其次,总结了现有的PolSAR图象信息提取技术,并针对典型的土地覆盖分类,选择出了在不同分辨率下都能够区分多种典型土地覆盖的有效特征。然后,根据土地覆盖在PolSAR图象中的分布特点和特征属性,研究了基于金字塔变换的PolSAR图象土地覆盖分类方法。最后利用三种不同分辨率的大场景PolSAR图象对提出的算法进行验证,所分的地物包括森林,水体,农田,裸地,半裸地等一级地物以及一些二级地物。实验结果表明,本文所研究的大场景PolSAR图象土地覆盖分类方法,在土地覆盖复杂,图象数据量大的情况下,能够区分PolSAR图象中的十种左右土地覆盖。通过将原始图象变换为低分辨率图象,利用低分辨率图象的分类结果作为高分辨率图象分类的先验信息,在提高分类精度的同时,大大减少了所需处理的数据量,从而降低了对计算机内存的需求,减少了处理时间。
【关键词】：PolSAR 大场景 高分辨率 土地覆盖分类 金字塔变换
【学位授予单位】：哈尔滨工业大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP751
【目录】：

• 摘要4-5
• Abstract5-9
• 第1章 绪论9-15
• 1.1 课题背景及研究的目的和意义9-10
• 1.2 国内外研究现状分析10-14
• 1.2.1 大场景PolSAR图象处理研究现状10-11
• 1.2.2 高分辨率PolSAR图象特征提取研究现状11-12
• 1.2.3 高分辨率PolSAR图象分类方法研究现状12-13
• 1.2.4 研究现状分析13-14
• 1.3 主要研究内容及论文结构14-15
• 第2章 土地覆盖分类系统及PolSAR基础理论15-29
• 2.1 引言15
• 2.2 土地覆盖分类系统及PolSAR图象土地覆盖分析15-19
• 2.3 PolSAR图象的表征19-22
• 2.4 PolSAR图象信息提取技术22-28
• 2.4.1 PolSAR图象极化特征提取22-25
• 2.4.2 PolSAR图象纹理特征提取25-28
• 2.5 本章小结28-29
• 第3章 变分辨率PolSAR图象土地覆盖分类方法研究29-44
• 3.1 引言29
• 3.2 PolSAR图象有效特征选择29-35
• 3.2.1 PolSAR图象常用特征29-31
• 3.2.2 基于Relief-F算法的特征选择31-32
• 3.2.3 PolSAR图象特征评估与分析32-35
• 3.3 PolSAR图象变分辨率处理35-39
• 3.3.1 传统图象金字塔变换36-37
• 3.3.2 PolSAR图象金字塔变换37-39
• 3.4 基于金字塔变换的PolSAR图象分类方法39-42
• 3.4.1 整体分类框架39-40
• 3.4.2 基于金字塔变换的SVM分类方法40-42
• 3.5 本章小结42-44
• 第4章 土地覆盖分类实验结果及分析44-58
• 4.1 引言44
• 4.2 实验数据44-46
• 4.3 基于金字塔变换的SVM实验结果46-57
• 4.3.1 特征提取结果46-47
• 4.3.2 EMISAR图象实验结果47-50
• 4.3.3 ESAR图象实验结果50-54
• 4.3.4 UAVSAR图象实验结果54-56
• 4.3.5 实验结果分析56-57
• 4.4 本章小结57-58
• 结论58-59
• 参考文献59-64
• 攻读硕士学位期间发表的论文及其它成果64-66
• 致谢66

【相似文献】

中国期刊全文数据库 前10条

1 宫攀;;基于物候特征参数的土地覆盖分类研究——以东北地区为例[J];安徽农业科学;2010年11期

2 赫英明;王汉杰;张洪峰;;遥感数据的土地覆盖分类[J];解放军理工大学学报(自然科学版);2011年03期

3 孙丹峰,汲长远,林培;自组织网络在遥感土地覆盖分类中应用研究[J];遥感学报;1999年02期

4 冉有华;李新;卢玲;;基于多源数据融合方法的中国1km土地覆盖分类制图[J];地球科学进展;2009年02期

5 张滔;张友静;谢丽军;;结合丰度特征的决策树及其土地覆盖分类[J];遥感信息;2010年05期

6 张树誉,颜胜安;陕西省土地覆盖分类的遥感应用研究[J];中国农业气象;2002年02期

7 王莉雯;牛铮;卫亚星;;基于MODIS NDVI的新疆潜在荒漠化区域探测[J];红外与毫米波学报;2007年06期

8 孙丹峰,林培;自适应模糊规则分类方法及在TM土地覆盖分类中的应用研究[J];国土资源遥感;2000年01期

9 范莉,蔡国学,刘洪斌;基于遥感的山区土地覆盖分类研究——以重庆市酉阳县为例[J];西南农业大学学报(自然科学版);2005年05期

10 张睿;张继贤;李海涛;;地形数据辅助下的山区土地覆盖分类研究[J];山东科技大学学报(自然科学版);2007年01期

中国重要会议论文全文数据库 前5条

1 李耀辉;韩涛;;基于EOS/MODIS资料的中国黄土高原西部土地覆盖分类研究[A];第十五届全国遥感技术学术交流会论文摘要集[C];2005年

2 郭健;张继贤;张永红;曹银璇;;多时相MODIS影像土地覆盖分类比较研究[A];中国测绘学会九届四次理事会暨2008年学术年会论文集[C];2008年

3 孙丹峰;;自组织网络与模糊规则结合在遥感土地覆盖分类中的应用研究[A];面向21世纪的科技进步与社会经济发展（上册）[C];1999年

4 何彬方;范伟;刘慧敏;冯妍;;基于MODIS数据的安徽省土地覆盖分类研究[A];中国气象学会2007年年会生态气象业务建设与农业气象灾害预警分会场论文集[C];2007年

5 刘爱霞;王静;刘正军;;基于MODIS数据的北京西北部地区土地资源监测研究[A];2006年中国土地学会学术年会论文集[C];2006年

中国博士学位论文全文数据库 前1条

1 骆成凤;中国土地覆盖分类与变化监测遥感研究[D];中国科学院研究生院（遥感应用研究所）;2005年

中国硕士学位论文全文数据库 前10条

1 邓钰;基于MODIS数据的云南省土地覆盖分类研究[D];云南师范大学;2015年

2 杨靖;全极化SAR数据土地覆盖分类能力评价[D];贵州师范大学;2015年

3 孙佳梅;大场景高分辨率PolSAR图象土地覆盖分类方法研究[D];哈尔滨工业大学;2016年

4 杨玉霞;基于智能算法的土地覆盖分类研究[D];内蒙古师范大学;2012年

5 吴俊杰;基于MODIS植被指数时序数据的东北亚地区土地覆盖分类[D];东北师范大学;2010年

6 李思慧;基于MODIS的蒙东地区土地覆盖分类及退耕还林还草变化监测研究[D];东北师范大学;2010年

7 李怀霄;基于模型聚类和SVM的土地覆盖分类研究[D];陕西师范大学;2014年

8 徐康;基于FY-3A MERSI资料的中国区域土地覆盖分类研究[D];南京信息工程大学;2014年

9 岳瑞红;基于MODIS数据的蒙古高原土地覆盖分类研究[D];内蒙古师范大学;2010年

10 刘勇洪;基于MODIS数据的中国区域土地覆盖分类研究[D];中国科学院研究生院（遥感应用研究所）;2005年

，

本文编号：1071806