10.16251/j.cnki.1009-2307.2020.10.008
雷达植被指数与香农熵在GF-3影像分类中的应用
针对当前雷达影像分类过程中极化特征组合可提高分类精度这一问题,该文探讨了极化特征组合在高分三号(GF-3)数据地物分类中的应用,以北京市昌平地区GF-3全极化合成孔径雷达(SAR)数据为例,首先对数据进行最优极化分解选择,选取Cloude分解数据为最优数据;然后基于相干矩阵的特征值,提取特征参数雷达植被指数(RVI)与香农熵(SE);最后组合这些极化特征对影像进行决策树分类,并与传统支持向量机(SVM)分类方法的精度进行比较.结果 表明:本文采用的RVI与SE极化特征组合的决策树分类方法,较传统SVM分类方法的精度,有一定的提高,尤其是对旱地与有林地、城镇建筑用地与工业用地的区分,效果更佳.
高分三号、雷达植被指数、香农熵、极化特征组合、决策树分类、支持向量机
45
P237(摄影测量学与测绘遥感)
国家“863”计划资助项目2011AA120404
2020-11-30(万方平台首次上网日期,不代表论文的发表时间)
共7页
48-54