当前位置:主页 > 科技论文 > 网络通信论文 >

耦合随机森林和迁移学习的Quad-PolSAR建设用地提取

发布时间:2020-12-10 15:23
  提出一种耦合随机森林和迁移学习的多时相建设用地提取方法,借助历史影像提高目标影像的提取精度。首先提取多时相全极化SAR的旋转不变特征,运用随机森林模型提取目标影像建设用地,然后基于迁移学习构建新的随机森林模型提取历史影像建设用地,通过集合运算得到最终的目标影像建设用地。基于南京市2008年和2013年两期RADARSAT-2影像的实验表明建设用地提取的整体精度超过97%,kappa系数超过93%,高出单时相结果约6%。研究区城市化进程较强,表现为建设用地向东南和西南方向的扩张。 

【文章来源】:地理空间信息. 2020年08期 第88-93+7页

【文章页数】:7 页

【部分图文】:

耦合随机森林和迁移学习的Quad-PolSAR建设用地提取


技术流程图

影像,影像,高分辨率,分辨率


采用两期C波段RADARSAT-2全极化SAR影像,像元数为1 724×1 525,方位向、距离向的分辨率分别为8 m和25 m,获取时间为2008-03-27和2013-03-25。采用2007年11月和2013年9月1m分辨率的WorldView2影像作为辅助数据,如图2所示。2.2 实验设置

旋转不变,样本


数据预处理基于欧洲太空局(ESA)提供的SNAP6.0开源平台(下载地址:https://step.esa.int/main/download/)进行,旋转不变特征提取基于PolSARPro4.2开源平台(下载地址:https://earth.esa.int/web/polsarpro)进行,所提特征如图3所示。基于WorldView2影像目视解译选取30 000个训练样本,采样比例1.14%。样本集中分布在两期影像土地覆盖类型一致的区域,其中建设用地、植被、水体和农田各25%。图4给出了基于Pauli分解的样本分布图,将建设用地样本设置为正样本,其余三类设置为负样本,每次实验随机选取1%用于训练模型,99%用来检验精度。图4 基于Pauli分解的样本分布

【参考文献】:
期刊论文
[1]利用旋转不变特征提取全极化SAR影像人工地物[J]. 车美琴,阿里木·赛买提,杜培军,罗洁琼,鲍蕊.  遥感学报. 2016(02)
[2]20世纪90年代中国大中城市建设用地扩张及其对耕地的占用[J]. 谈明洪,李秀彬,吕昌河.  中国科学(D辑:地球科学). 2004(12)



本文编号:2908931

资料下载
论文发表

本文链接:https://www.wllwen.com/kejilunwen/wltx/2908931.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户c0daa***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com