结合纹理信息的极化SAR影像分类研究

发布时间：2017-12-07 02:10

  本文关键词：结合纹理信息的极化SAR影像分类研究

  更多相关文章： 极化SAR 分类 纹理特征提取

【摘要】：结合Gabor小波、灰度共生矩阵和Fast ICA方法提取的纹理信息,利用支持向量机分类器对单极化SAR影像进行分类研究。首先利用精致Lee滤波器对影像进行去噪处理;然后采用灰度共生矩阵和Gabor小波提取影像纹理特征,利用Fast ICA算法对纹理特征进行降维分析;最后将降维后的纹理特征与强度特征结合,采用支持向量机分类器进行分类;采用北京地区Terra SAR-X影像对该方法进行实验,结果表明,纹理信息的引入使极化SAR影像分类精度得到提高。
【作者单位】： 首都师范大学资源环境与地理信息系统北京市重点实验室;首都师范大学资源环境与旅游学院;武汉大学遥感信息工程学院;
【基金】：国家高技术研究发展计划资助项目(2011AA120404) 国家自然科学基金资助项目(41130744/D0107、41171335/D010702)
【分类号】：P237
【正文快照】： 极化SAR影像分类是极化SAR信息后处理中十分重要的研究内容之一[1,2]。对于单极化SAR影像而言,单凭其强度信息难以取得较好的分类结果。由于SAR影像亮度范围较大,且含有较丰富的纹理结构信息,可以辅助原影像进行分类,以提高分类精度[3]。国内外提出许多纹理特征的提取方法,包

【相似文献】

中国期刊全文数据库 前10条

1 薄树奎;韩新超;丁琳;;面向对象影像分类中分割参数的选择[J];武汉大学学报(信息科学版);2009年05期

2 常新盼;邓喀中;王行风;;极化SAR影像分类方法研究[J];测绘信息与工程;2010年04期

3 骆剑承,周成虎,梁怡;空间逐步寻优的数据挖掘法的多波段影像分类研究[J];地球信息科学;1999年01期

4 刘瑞;陈小涛;;城郊地区面向对象的多传感器影像分类[J];测绘与空间地理信息;2013年02期

5 赵银娣;张良培;李平湘;;广义马尔可夫随机场及其在多光谱纹理影像分类中的应用[J];遥感学报;2006年01期

6 吴芳;贾永红;;基于PCA-BPNN的多光谱遥感影像分类[J];地理空间信息;2006年01期

7 秦永;宋伟东;;遥感影像特征提取与选择及在影像分类中的应用[J];测绘科学;2008年01期

8 王晓玲;杜培军;;基于形态学的空间信息和光谱信息SVM影像分类[J];测绘通报;2012年12期

9 陈成;卢刚;石晓峰;;基于SVM的资源三号测绘卫星影像分类[J];地理空间信息;2013年03期

10 钟燕飞;张良培;龚健雅;李平湘;;基于资源限制性人工免疫系统的多光谱遥感影像分类方法[J];武汉大学学报(信息科学版);2006年01期

中国重要会议论文全文数据库 前1条

1 陈富龙;张红;王超;;基于智能CASE库的多时相SAR影像分类方法[A];第二届微波遥感技术研讨会摘要全集[C];2006年

中国硕士学位论文全文数据库 前8条

1 刘岳;基于词袋模型的医学影像分类的研究与实现[D];东北大学;2012年

2 周国琼;面向对象的TM影像分类[D];昆明理工大学;2012年

3 项霞;基于最小二乘支持向量机的多光谱遥感影像分类[D];武汉大学;2005年

4 谢春喜;极化SAR影像分类方法研究[D];辽宁工程技术大学;2008年

5 秦高峰;基于机器学习的多光谱遥感影像分类及城市扩展研究[D];重庆大学;2012年

6 付姣;基于纹理和极化特征的SAR影像分类[D];辽宁工程技术大学;2013年

7 李琳;决策树与SVM相结合的影像分类方法研究[D];中国地质大学（北京）;2009年

8 李兰;基于有限混合模型的极化SAR影像分类方法研究[D];西安科技大学;2013年

，

本文编号：1260768