引入纹理特征的SSVM算法在极化SAR影像分类中的应用
在极化SAR影像极化特征的基础上,引入影像的纹理信息,利用带核函数的SSVM算法对极化SAR影像进行分类研究。该方法首先利用精致LEE滤波器对极化SAR影像进行去噪处理;然后采用小波变换对去噪后的总功率影像Span进行纹理特征提取;最后将纹理信息和极化信息结合,并采用SSVM方法对极化SAR影像进行分类。利用NASA/JPLAIRSAR获取的L波段SanFrancisco海湾和荷兰中部Flevoland地区的影像对该方法进行验证,结果表明,SSVM算法可有效地用于极化SAR影像分类,且分类精度和分类效率都优于SVM算法。同时纹理信息的引入使SSVM算法的分类精度得到了进一步提高。
SSVM、小波变换、极化信息、纹理特征
P21(普通测量学、地形测量学)
国家863计划2011AAl20404;武汉大学博士基金201121302020006
2012-10-24(万方平台首次上网日期,不代表论文的发表时间)
共4页
7-10