结合Singh四分量分解的高分三号全极化SAR影像分类

发布时间：2024-07-06 12:24

　　不同于一般分类算法基于像素统计的分类,忽略了地物的散射特性,文中提出了一种保持地物散射特性的分类方法。这种方法将Singh提出的Singh四分量分解与基于复Wishart分布的最大似然分类器相结合,对高分三号全极化影像进行分类。利用Singh四分量分解获得表面散射、体散射、二次散射和螺旋体散射,然后将前3种基础散射分别划分为多个聚类,根据复Wishart距离进行类间合并,直到获得指定类别数,输入复Wishart分类器进行迭代分类,最后进行类别合并获得最终分类结果。试验表明本文算法具有较好的分类效果且验证了利用高分三号全极化卫星数据进行影像分类的可行性。

【文章页数】：4 页

【部分图文】：

图2分类结果

图1研究区极化分解彩色合成对所有的散射类别进行类别合并，最终将研究区分为植被、水体、建筑和农田4大类，如图3所示。

图1研究区极化分解彩色合成

图2为Yamaguchi-Wishart分类与文中所提算法分类的结果图。从目视效果来看，两种分类方法对于水体和农田区域都有较好的分类效果，与实际地物覆盖比较吻合。图2(a)与图2(b)对于植被的划分差异较大，由于树干与地面会形成二面角散射，因此以体散射为主的植被通常会产生多种散射....

图3类别合并结果

对所有的散射类别进行类别合并，最终将研究区分为植被、水体、建筑和农田4大类，如图3所示。表1为文中分类方法的分类精度评价，从表1中可以看出基于Singh四分量分解的分类算法在各类别的分类精度均优于Yamaguchi-Wishart分类方法，其中对于植被和建筑的分类精度分别提高了3....

本文编号：4002550