多尺度下的半自动面向对象SAR影像分类
给出了一种评估不同分割尺度的总分类精度,搜寻最高精度分类结果的半自动面向对象SAR影像分类方法.首先训练像素样本;然后利用分水岭分割SAR数据的幅度影像,基于极化散射特征合并初始分割区域,得到不同尺度下的影像分割结果,利用样本坐标确定分割区域,计算各区域内强度、散射角、熵、反熵以及相干矩阵的最大特征值(λ1)等特征的平均值.将上述平均值作为分类特征以训练对象样本;再利用SSVM执行分类,通过评估不同分割尺度下的分类结果,搜寻最高总分类精度.该方法在减少人为干预的条件下,半自动搜寻到了适合分类的分割尺度,解决了尺度选择问题,实现了面向对象的SAR影像分类.采用该方法对荷兰Flevoland地区的SAR影像进行了实验.结果表明,本文方法的总分类精度达到了93.32%,与基于像素的分类精度(76.52%)相比,精度得到了提高.
面向对象、分割尺度、SAR影像分类、SSVM
38
P237.3(摄影测量学与测绘遥感)
国家863计划资助项目2011AA120404;武汉大学研究生自主科研资金资助项目201121302020006
2013-04-18(万方平台首次上网日期,不代表论文的发表时间)
共5页
253-256,261