极化特征组合在ALOS PALSAR数据地物分类中的应用
极化SAR图像分类是目前遥感领域研究热点之一,它为地物信息获取和地物分类提供了新方法.文中对四川省彭州石化地区利用ALOS PALSAR全极化数据进行支持向量机(SVM)分类.试验中首先获得极化总功率,然后对数据进行Cloude-Pottier极化分解,再基于相干矩阵的特征值,提取特征参数香农熵和雷达植被指数.组合这些极化特征对影像进行SVM的分类,并与基于Freeman-Durden极化分解的SVM分类和Wishart监督分类进行比较.试验结果表明:本文采用的极化特征组合信息之间得到相互补充,分类结果效果较好,Kappa系数为97.14%,相对另两种方法的Kappa系数分别提高了5.26%和27.20%.
ALOSPALSAR、极化特征组合、支持向量机、Cloude-Pottier分解、地物分类
P237(摄影测量学与测绘遥感)
四川省教育厅重点项目16ZA0100;国土资源部地学空间信息技术重点实验室开放基金KLGSIT2013-06
2018-12-05(万方平台首次上网日期,不代表论文的发表时间)
共6页
29-33,47