一种改进的MCSM/H-PSO全极化SAR影像分类方法

摘要：

粒子群算法由于其优秀的随机全局寻优能力,在遥感图像分类领域应用广泛.为迸一步提高粒子优劣判别能力,使得最终聚类中心更具合理性,本文在应用PSO算法迸行全极化SAR影像分类时,考虑影像相邻像素间具有空间相关性,提出了加权PSO算法,以提高分类精度.同时,在迸行全极化SAR影像分类时,为了更充分地利用全极化SAR影像极化特征,采用多成分散射模型分解(MCSM)方法结合散射嫡提取影像6种极化特征.改迸的MCSM/H-PSO全极化SAR影像分类方法,首先通过MCSM分解和散射嫡对全极化SAR影像迸行基于散射机理的初分类,再将分类结果作为加权PSO算法的初始类别划分,并通过迭代实现地物分类.采用北京市Radarsat 2全极化SAR数据和美国旧金山AIRSAR全极化SAR数据分别迸行试验,本文方法分类总体精度分别可达90.57％和93.25％.

关键词：全极化SAR影像分类、MCSM分解、PSO算法、散射嫡

分类号：P237(摄影测量学与测绘遥感)

资助基金：国家自然科学基金41671417;科技创新服务能力建设-基本科研业务费科研类025185305000/191

在线出版日期：2018-12-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：53-57