基于面向对象的极化雷达影像分类
发布时间：2021-07-28 19:36
有效的PolSAR影像分类技术是PolSAR成功应用的基础,然而相比于比较成熟的PolSAR成像技术与系统设计,PolSAR影像分类技术的发展相对滞后,针对PolSAR影像面向对象分类研究中存在的问题,提出了一种新的结合多种目标极化分解、ReliefF-PSOSVM和集成学习的PolSAR影像面向对象分类方法。该方法首先采用多种方法对PolSAR影像进行目标极化分解;然后将利用不同极化分解方法提取的极化参数组合成一幅多通道影像;接下来对多通道影像进行分割、特征提取;采用ReliefF-PSOSVM算法进行特征选择,并保留适应度最高的N个特征子集进行分类,每一个特征子集对应一个分类结果;最后利用集成学习技术对各分类结果进行集成。以吉林省长春市部分区域为研究区,Radarsat2影像为数据源,将提出的方法应用于土地利用分类中,取得了较好的分类效果,总体精度和Kappa系数分别达到了85.06%和0.8006。此外,还构建了3种对比方法用于分类,对比结果进一步证明了所提方法在PolSAR影像分类中的优越性。
【文章来源】：红外与毫米波学报. 2020,39(04)北大核心EISCICSCD
【文章页数】：8 页
【部分图文】：
图１研＿＃＊？．：麗麗??Ｆｉｇ．?１?Ｌｏｃａｔｉｏｎ?ｍａｐ?ｏｆ?ｓｔｕｄｙ?ａｒｅａ??ｏ
１极化散射矩阵??能够记录并描述散射过程中苜标的极化变化信息ａ??其定义如下所Ｓｓ??ｇ?＿??其中，对角线元素．和为“同极化”项，非对角线??元素ｔ和心．为“＇交叉极化”项＿?ａ．?３Ｘ３视相：于矩阵??和协方麁矩阵的定义分别如式＜?２）和（３）所示：??Ｔｕ?Ｔｉ３??Ｔｎ?ｒ，ｓ??ｒｉ?ｔ：｝?ｒｎ??〈―通丰｜〉〈（、十?〉?２．〈（ＳＷ｜?＃、＇》氣＂??修－（爲＋讀〈｜知－?｜２〉２雜－為眞）??＾／｜％｜：＼??０?１?２，??Ｉ?Ｉ?ｉ?ｋｍ??图３各地类的样本分布图??Ｆｉｇ．?３?Ｄｉｓｔｒｉｂｕｔｉｏｎ?ｍａｐ?ｏｆ?ｓａｍｐｌｅｓ?ｆｏｒ?ｅａｃｈ?ｃｌａｓｓ??其中，＊表亦共辄，｜?？?｜表不模，〈？〉表＾Ｋ时间或空间集??合平均［１°］。??极化分解就是基于雷达目标的散射矩阵、相干??矩阵或协方差矩阵来实现的。根据分解机制及针??４期??肖艳等：基于面向对象的极化雷达影像分类??５０７??＿?＿??Ｎ？ｏ／ｌｓｃｒｎ寸?Ｍ？ｐ８？ｃｎ寸??５０＾寸?０９产／５寸＆??ＮＡ??Ｎ．?？０＿＆〇￡?寸?之？０／８寸〇￡寸??／ｏ，ｓ?寸?〇￡寸??／０＇＾寸０￡寸??＼—／??３??／＿＼??？ｒ??价４）（｜＾??５ｔｔ２?ｓ？??４?￥鱗ｆ??ｃｆｃ；０（＾＾）??Ｖ２ｄ??ｃ２３??－Ａ??地??民地地地路体??爿居林耕￥道水??ｉｓｌ?Ｈ??
５１０??红外与蠢米波拿报??３９卷??３结果与分析??３．１集成结果??通过集成得到的分类结果如图５?（ａ）所滴，基于??该分类结果建立的混淆矩砗如表２所冧ｅ为重观地??观察集成前后分类精度的变化情况，将Ｔ１、Ｔ２、Ｔ３、．??Ｔ４、Ｔ５分类结果的虫产者精度、用户精度、总体精度??和Ｋａｐｐａ系数与集成后获得的生产者精度、用户精??度、总体精．度和Ｋａｐｐａ．系数分别进行统计、汇总，如??画４所硫ａ从图４（｛５－＜１）可以看出，集成后的总体精??度和Ｋａｐｐａ系数都得到了提高，珂见，集成学习确实??能改善分类效桌。观察图４（?ａ－ｂ）发现，集成后地类??的生产者精度和用户精度整体上都有所提高，但从??单个地物角度来看＊弁不是所有地类的生产者精度??或用户精度都比各成员分类器的育ｅ可见，集成学??习尽管能提高整体分类精度，但弁不能使所有地类??的生产者精度和用户精度都提窩Ｂ??３．２与其它方法对比??为进一步验证提出方法的有敦性，本文构建了??３种对比方法用宁ＰｏｌＳＡＲ影像分类ｓ这３种方法分??别为ｓ?ｆｆｉ将提？方法：中的１６种目标极化分解方＿養??换成Ｐａｕｌｆ分解方■一＃，以验证多种目标极化分解??方法在提出方法中的作用；③将提出方法中的Ｒｅ－??ｌｉｅｉＦ－ＰＳ０＿ＳＶＭ特怔选择算法替换成特征隹间优化??（ｆ挪?１１轉?ｓｐ．ａ＿＾ｐｔｉｍｉｚａｔｉ〇Ｈ３ｆＦＳＣ）．）特?ｆｆｆｉ?选．择算法，以??验证ＲｅＭｅｆｆ－ＢＣＬＳＹＭ特征选：择雰法：在提出方法中??的作用Ｉ③去掉提出方法中的多分类器集成步骤??（即通过特征选择，仅保留最优的一个特征子集进??行分类以验怔集成学习在提出方法中的作
【参考文献】：
期刊论文
[1]基于ReliefF和PSO混合特征选择的面向对象土地利用分类[J]. 肖艳,姜琦刚,王斌,李远华,刘舒,崔璨. 农业工程学报. 2016(04)
[2]一种基于集成学习和特征融合的遥感影像分类新方法[J]. 刘培,杜培军,谭琨. 红外与毫米波学报. 2014(03)
本文编号：3308514
【文章来源】：红外与毫米波学报. 2020,39(04)北大核心EISCICSCD
【文章页数】：8 页
【部分图文】：
图１研＿＃＊？．：麗麗??Ｆｉｇ．?１?Ｌｏｃａｔｉｏｎ?ｍａｐ?ｏｆ?ｓｔｕｄｙ?ａｒｅａ??ｏ
１极化散射矩阵??能够记录并描述散射过程中苜标的极化变化信息ａ??其定义如下所Ｓｓ??ｇ?＿??其中，对角线元素．和为“同极化”项，非对角线??元素ｔ和心．为“＇交叉极化”项＿?ａ．?３Ｘ３视相：于矩阵??和协方麁矩阵的定义分别如式＜?２）和（３）所示：??Ｔｕ?Ｔｉ３??Ｔｎ?ｒ，ｓ??ｒｉ?ｔ：｝?ｒｎ??〈―通丰｜〉〈（、十?〉?２．〈（ＳＷ｜?＃、＇》氣＂??修－（爲＋讀〈｜知－?｜２〉２雜－為眞）??＾／｜％｜：＼??０?１?２，??Ｉ?Ｉ?ｉ?ｋｍ??图３各地类的样本分布图??Ｆｉｇ．?３?Ｄｉｓｔｒｉｂｕｔｉｏｎ?ｍａｐ?ｏｆ?ｓａｍｐｌｅｓ?ｆｏｒ?ｅａｃｈ?ｃｌａｓｓ??其中，＊表亦共辄，｜?？?｜表不模，〈？〉表＾Ｋ时间或空间集??合平均［１°］。??极化分解就是基于雷达目标的散射矩阵、相干??矩阵或协方差矩阵来实现的。根据分解机制及针??４期??肖艳等：基于面向对象的极化雷达影像分类??５０７??＿?＿??Ｎ？ｏ／ｌｓｃｒｎ寸?Ｍ？ｐ８？ｃｎ寸??５０＾寸?０９产／５寸＆??ＮＡ??Ｎ．?？０＿＆〇￡?寸?之？０／８寸〇￡寸??／ｏ，ｓ?寸?〇￡寸??／０＇＾寸０￡寸??＼—／??３??／＿＼??？ｒ??价４）（｜＾??５ｔｔ２?ｓ？??４?￥鱗ｆ??ｃｆｃ；０（＾＾）??Ｖ２ｄ??ｃ２３??－Ａ??地??民地地地路体??爿居林耕￥道水??ｉｓｌ?Ｈ??
５１０??红外与蠢米波拿报??３９卷??３结果与分析??３．１集成结果??通过集成得到的分类结果如图５?（ａ）所滴，基于??该分类结果建立的混淆矩砗如表２所冧ｅ为重观地??观察集成前后分类精度的变化情况，将Ｔ１、Ｔ２、Ｔ３、．??Ｔ４、Ｔ５分类结果的虫产者精度、用户精度、总体精度??和Ｋａｐｐａ系数与集成后获得的生产者精度、用户精??度、总体精．度和Ｋａｐｐａ．系数分别进行统计、汇总，如??画４所硫ａ从图４（｛５－＜１）可以看出，集成后的总体精??度和Ｋａｐｐａ系数都得到了提高，珂见，集成学习确实??能改善分类效桌。观察图４（?ａ－ｂ）发现，集成后地类??的生产者精度和用户精度整体上都有所提高，但从??单个地物角度来看＊弁不是所有地类的生产者精度??或用户精度都比各成员分类器的育ｅ可见，集成学??习尽管能提高整体分类精度，但弁不能使所有地类??的生产者精度和用户精度都提窩Ｂ??３．２与其它方法对比??为进一步验证提出方法的有敦性，本文构建了??３种对比方法用宁ＰｏｌＳＡＲ影像分类ｓ这３种方法分??别为ｓ?ｆｆｉ将提？方法：中的１６种目标极化分解方＿養??换成Ｐａｕｌｆ分解方■一＃，以验证多种目标极化分解??方法在提出方法中的作用；③将提出方法中的Ｒｅ－??ｌｉｅｉＦ－ＰＳ０＿ＳＶＭ特怔选择算法替换成特征隹间优化??（ｆ挪?１１轉?ｓｐ．ａ＿＾ｐｔｉｍｉｚａｔｉ〇Ｈ３ｆＦＳＣ）．）特?ｆｆｆｉ?选．择算法，以??验证ＲｅＭｅｆｆ－ＢＣＬＳＹＭ特征选：择雰法：在提出方法中??的作用Ｉ③去掉提出方法中的多分类器集成步骤??（即通过特征选择，仅保留最优的一个特征子集进??行分类以验怔集成学习在提出方法中的作
【参考文献】：
期刊论文
[1]基于ReliefF和PSO混合特征选择的面向对象土地利用分类[J]. 肖艳,姜琦刚,王斌,李远华,刘舒,崔璨. 农业工程学报. 2016(04)
[2]一种基于集成学习和特征融合的遥感影像分类新方法[J]. 刘培,杜培军,谭琨. 红外与毫米波学报. 2014(03)
本文编号：3308514
本文链接：https://www.wllwen.com/kejilunwen/xinxigongchenglunwen/3308514.html
