基于目标分解的全极化SAR图像分类方法研究
发布时间：2021-07-18 11:32
与传统的光学遥感图像相比,全极化SAR图像包含的地物信息更加丰富。因此,可以有效地从全极化SAR图像中提取各种地物信息的极化特征,并根据这些极化特征进行分类。本文以紫金山国家森林公园为研究对象,以2011年和2015年两期的全极化SAR图像为数据源,采用Sinclair、Pauli、Freeman和Cloude 4种极化目标分解方法提取了研究区全极化SAR图像的12个极化特征值。然后利用决策树、神经网络、最大似然和随机森林4种分类方法来对研究区的极化特征图像进行分类,评价了4种分类方法的分类精度并分析了极化特征值对分类结果的重要性。最后对20112015年研究区土地类型的动态变化进行分析,并预测了研究区2019年的土地类型情况。通过分析研究区土地类型发生转变的驱动因素,提出了保护研究区生态环境的政策建议。研究结果表明:（1）从4种极化目标分解方法的极化特征图像中可以看出:水体、建设用地和裸地的颜色特征比较明显且易于区分;而草地、针叶林和阔叶林的颜色特征不明显,地类之间难于区分。从2011年和2015年6种地类的分类精度来看,极化特征图像中颜色特征明显的地类分类精度...
【文章来源】：南京林业大学江苏省
【文章页数】：47 页
【学位级别】：硕士
【部分图文】：
全极化SAR图像HH波段原始影像
图 3-1 全极化 SAR 图像 HH 波段原始影像Fig.3-1 The original image of HH band in fullypolarimetric SAR image图 3-2 多视化处理后全极化 SAR 图像 HH 波段Fig.3-2 HH band of fully polarimetric SAR imageafter multilooking
Sinclair分解的极化特征图像
【参考文献】：
期刊论文
[1]紫金山国家森林公园全极化雷达图像分类比较[J]. 张密芳,杨玉峰,李明阳,胡曼,荣媛. 森林与环境学报. 2016(01)
[2]基于人工神经网络方法的通信基站能耗标杆建立与分析[J]. 杨天剑,张静. 北京邮电大学学报(社会科学版). 2015(06)
[3]县域尺度森林地上生物量遥感估测方法研究[J]. 蒋云姣,胡曼,李明阳,张向阳. 西南林业大学学报. 2015(06)
[4]基于大数据和神经网络的管道完整性预测方法[J]. 韩小明,苗绘,王哲. 油气储运. 2015(10)
[5]基于随机森林方法的变电站三维建模点云自动分割[J]. 方彦军,唐勉,罗嘉,庞志强. 制造业自动化. 2015(10)
[6]基于ENVI的决策树方法提取土地利用信息[J]. 万杰,杨勇,韩春峰,王训宇. 科技创新导报. 2015(09)
[7]基于随机森林的烤烟香型分类研究[J]. 郭东锋,胡海洲,汪季涛,姚忠达,杨辉,徐玮,刘新民. 中国农学通报. 2015(06)
[8]基于合成孔径雷达的农作物识别研究进展[J]. 王迪,周清波,陈仲新,刘佳. 农业工程学报. 2014(16)
[9]基于全极化SAR影像土地覆盖分类研究[J]. 田传召,范怀刚,岳彩荣,吕佳,王栋. 林业调查规划. 2014(04)
[10]基于目标分解的面向对象决策树PolSAR影像分类[J]. 张继超,蔺腊月,张永红,李玉. 辽宁工程技术大学学报(自然科学版). 2013(05)
博士论文
[1]极化SAR图像特征提取与分类方法研究[D]. 刘高峰.西安电子科技大学 2014
[2]全极化合成孔径雷达图像处理方法研究[D]. 孙盛.华中科技大学 2013
[3]极化SAR处理中若干问题的研究[D]. 郭睿.西安电子科技大学 2012
[4]极化SAR图像人造目标特征提取与检测方法研究[D]. 张腊梅.哈尔滨工业大学 2010
[5]极化雷达成像及目标特征提取研究[D]. 代大海.国防科学技术大学 2008
[6]极化SAR信息处理技术研究[D]. 王文光.北京航空航天大学 2007
硕士论文
[1]基于高分影像的城市森林公园景观变化分析[D]. 黄文奇.南京林业大学 2014
[2]基于子孔径分解的极化SAR图像分类方法研究[D]. 孙晨.首都师范大学 2014
[3]随机森林及其在遥感图像分类中的应用[D]. 姚明煌.华侨大学 2014
[4]结合极化特征和图像特征的极化SAR图像分类研究[D]. 寇杏子.西安电子科技大学 2014
[5]PolSAR图像极化目标分解方法研究及其应用[D]. 曹宁.哈尔滨工业大学 2013
[6]极化SAR相干斑抑制及其对分类精度的影响研究[D]. 朱佳文.首都师范大学 2013
[7]双极化SAR影像分类研究与应用[D]. 王静.吉林大学 2013
[8]基于极化分解的极化SAR图像分类[D]. 何吟.电子科技大学 2013
[9]基于SVM和RBF神经网络的极化SAR图像分类方法研究[D]. 赵一博.国防科学技术大学 2013
[10]基于全极化雷达的目标识别方法研究[D]. 丁维雷.哈尔滨工程大学 2013
本文编号：3289494
【文章来源】：南京林业大学江苏省
【文章页数】：47 页
【学位级别】：硕士
【部分图文】：
全极化SAR图像HH波段原始影像
图 3-1 全极化 SAR 图像 HH 波段原始影像Fig.3-1 The original image of HH band in fullypolarimetric SAR image图 3-2 多视化处理后全极化 SAR 图像 HH 波段Fig.3-2 HH band of fully polarimetric SAR imageafter multilooking
Sinclair分解的极化特征图像
【参考文献】：
期刊论文
[1]紫金山国家森林公园全极化雷达图像分类比较[J]. 张密芳,杨玉峰,李明阳,胡曼,荣媛. 森林与环境学报. 2016(01)
[2]基于人工神经网络方法的通信基站能耗标杆建立与分析[J]. 杨天剑,张静. 北京邮电大学学报(社会科学版). 2015(06)
[3]县域尺度森林地上生物量遥感估测方法研究[J]. 蒋云姣,胡曼,李明阳,张向阳. 西南林业大学学报. 2015(06)
[4]基于大数据和神经网络的管道完整性预测方法[J]. 韩小明,苗绘,王哲. 油气储运. 2015(10)
[5]基于随机森林方法的变电站三维建模点云自动分割[J]. 方彦军,唐勉,罗嘉,庞志强. 制造业自动化. 2015(10)
[6]基于ENVI的决策树方法提取土地利用信息[J]. 万杰,杨勇,韩春峰,王训宇. 科技创新导报. 2015(09)
[7]基于随机森林的烤烟香型分类研究[J]. 郭东锋,胡海洲,汪季涛,姚忠达,杨辉,徐玮,刘新民. 中国农学通报. 2015(06)
[8]基于合成孔径雷达的农作物识别研究进展[J]. 王迪,周清波,陈仲新,刘佳. 农业工程学报. 2014(16)
[9]基于全极化SAR影像土地覆盖分类研究[J]. 田传召,范怀刚,岳彩荣,吕佳,王栋. 林业调查规划. 2014(04)
[10]基于目标分解的面向对象决策树PolSAR影像分类[J]. 张继超,蔺腊月,张永红,李玉. 辽宁工程技术大学学报(自然科学版). 2013(05)
博士论文
[1]极化SAR图像特征提取与分类方法研究[D]. 刘高峰.西安电子科技大学 2014
[2]全极化合成孔径雷达图像处理方法研究[D]. 孙盛.华中科技大学 2013
[3]极化SAR处理中若干问题的研究[D]. 郭睿.西安电子科技大学 2012
[4]极化SAR图像人造目标特征提取与检测方法研究[D]. 张腊梅.哈尔滨工业大学 2010
[5]极化雷达成像及目标特征提取研究[D]. 代大海.国防科学技术大学 2008
[6]极化SAR信息处理技术研究[D]. 王文光.北京航空航天大学 2007
硕士论文
[1]基于高分影像的城市森林公园景观变化分析[D]. 黄文奇.南京林业大学 2014
[2]基于子孔径分解的极化SAR图像分类方法研究[D]. 孙晨.首都师范大学 2014
[3]随机森林及其在遥感图像分类中的应用[D]. 姚明煌.华侨大学 2014
[4]结合极化特征和图像特征的极化SAR图像分类研究[D]. 寇杏子.西安电子科技大学 2014
[5]PolSAR图像极化目标分解方法研究及其应用[D]. 曹宁.哈尔滨工业大学 2013
[6]极化SAR相干斑抑制及其对分类精度的影响研究[D]. 朱佳文.首都师范大学 2013
[7]双极化SAR影像分类研究与应用[D]. 王静.吉林大学 2013
[8]基于极化分解的极化SAR图像分类[D]. 何吟.电子科技大学 2013
[9]基于SVM和RBF神经网络的极化SAR图像分类方法研究[D]. 赵一博.国防科学技术大学 2013
[10]基于全极化雷达的目标识别方法研究[D]. 丁维雷.哈尔滨工程大学 2013
本文编号：3289494
本文链接：https://www.wllwen.com/nykjlw/lylw/3289494.html
