本文關鍵詞：結合紋理信息的極化SAR影像分類研究

  更多相關文章： 極化SAR 分類 紋理特征提取

【摘要】：結合Gabor小波、灰度共生矩陣和Fast ICA方法提取的紋理信息,利用支持向量機分類器對單極化SAR影像進行分類研究。首先利用精致Lee濾波器對影像進行去噪處理;然后采用灰度共生矩陣和Gabor小波提取影像紋理特征,利用Fast ICA算法對紋理特征進行降維分析;最后將降維后的紋理特征與強度特征結合,采用支持向量機分類器進行分類;采用北京地區(qū)Terra SAR-X影像對該方法進行實驗,結果表明,紋理信息的引入使極化SAR影像分類精度得到提高。
【作者單位】： 首都師范大學資源環(huán)境與地理信息系統(tǒng)北京市重點實驗室;首都師范大學資源環(huán)境與旅游學院;武漢大學遙感信息工程學院;
【基金】：國家高技術研究發(fā)展計劃資助項目(2011AA120404) 國家自然科學基金資助項目(41130744/D0107、41171335/D010702)
【分類號】：P237
【正文快照】： 極化SAR影像分類是極化SAR信息后處理中十分重要的研究內(nèi)容之一[1,2]。對于單極化SAR影像而言,單憑其強度信息難以取得較好的分類結果。由于SAR影像亮度范圍較大,且含有較豐富的紋理結構信息,可以輔助原影像進行分類,以提高分類精度[3]。國內(nèi)外提出許多紋理特征的提取方法,包

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 薄樹奎;韓新超;丁琳;;面向對象影像分類中分割參數(shù)的選擇[J];武漢大學學報(信息科學版);2009年05期

2 常新盼;鄧喀中;王行風;;極化SAR影像分類方法研究[J];測繪信息與工程;2010年04期

3 駱劍承,周成虎,梁怡;空間逐步尋優(yōu)的數(shù)據(jù)挖掘法的多波段影像分類研究[J];地球信息科學;1999年01期

4 劉瑞;陳小濤;;城郊地區(qū)面向對象的多傳感器影像分類[J];測繪與空間地理信息;2013年02期

5 趙銀娣;張良培;李平湘;;廣義馬爾可夫隨機場及其在多光譜紋理影像分類中的應用[J];遙感學報;2006年01期

6 吳芳;賈永紅;;基于PCA-BPNN的多光譜遙感影像分類[J];地理空間信息;2006年01期

7 秦永;宋偉東;;遙感影像特征提取與選擇及在影像分類中的應用[J];測繪科學;2008年01期

8 王曉玲;杜培軍;;基于形態(tài)學的空間信息和光譜信息SVM影像分類[J];測繪通報;2012年12期

9 陳成;盧剛;石曉峰;;基于SVM的資源三號測繪衛(wèi)星影像分類[J];地理空間信息;2013年03期

10 鐘燕飛;張良培;龔健雅;李平湘;;基于資源限制性人工免疫系統(tǒng)的多光譜遙感影像分類方法[J];武漢大學學報(信息科學版);2006年01期

中國重要會議論文全文數(shù)據(jù)庫 前1條

1 陳富龍;張紅;王超;;基于智能CASE庫的多時相SAR影像分類方法[A];第二屆微波遙感技術研討會摘要全集[C];2006年

中國碩士學位論文全文數(shù)據(jù)庫 前8條

1 劉岳;基于詞袋模型的醫(yī)學影像分類的研究與實現(xiàn)[D];東北大學;2012年

2 周國瓊;面向對象的TM影像分類[D];昆明理工大學;2012年

3 項霞;基于最小二乘支持向量機的多光譜遙感影像分類[D];武漢大學;2005年

4 謝春喜;極化SAR影像分類方法研究[D];遼寧工程技術大學;2008年

5 秦高峰;基于機器學習的多光譜遙感影像分類及城市擴展研究[D];重慶大學;2012年

6 付姣;基于紋理和極化特征的SAR影像分類[D];遼寧工程技術大學;2013年

7 李琳;決策樹與SVM相結合的影像分類方法研究[D];中國地質大學（北京）;2009年

8 李蘭;基于有限混合模型的極化SAR影像分類方法研究[D];西安科技大學;2013年

，

本文編號：1260768