發(fā)布時(shí)間：2017-12-07 02:10

  本文關(guān)鍵詞：結(jié)合紋理信息的極化SAR影像分類研究

  更多相關(guān)文章： 極化SAR 分類 紋理特征提取

【摘要】：結(jié)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(jī)分類器對單極化SAR影像進(jìn)行分類研究。首先利用精致Lee濾波器對影像進(jìn)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(jìn)行降維分析;最后將降維后的紋理特征與強(qiáng)度特征結(jié)合,采用支持向量機(jī)分類器進(jìn)行分類;采用北京地區(qū)Terra SAR-X影像對該方法進(jìn)行實(shí)驗(yàn),結(jié)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(xué)資源環(huán)境與地理信息系統(tǒng)北京市重點(diǎn)實(shí)驗(yàn)室;首都師范大學(xué)資源環(huán)境與旅游學(xué)院;武漢大學(xué)遙感信息工程學(xué)院;
【基金】：國家高技術(shù)研究發(fā)展計(jì)劃資助項(xiàng)目(2011AA120404) 國家自然科學(xué)基金資助項(xiàng)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(qiáng)度信息難以取得較好的分類結(jié)果。由于SAR影像亮度范圍較大,且含有較豐富的紋理結(jié)構(gòu)信息,可以輔助原影像進(jìn)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(xiàn)】

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?qū)ο笥跋穹诸愔蟹指顓?shù)的選擇[J];武漢大學(xué)學(xué)報(bào)(信息科學(xué)版);2009年05期

2 常新盼;鄧喀中;王行風(fēng);;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(xué);1999年01期

4 劉瑞;陳小濤;;城郊地區(qū)面向?qū)ο蟮亩鄠鞲衅饔跋穹诸怺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(jī)場及其在多光譜紋理影像分類中的應(yīng)用[J];遙感學(xué)報(bào);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(yīng)用[J];測繪科學(xué);2008年01期

8 王曉玲;杜培軍;;基于形態(tài)學(xué)的空間信息和光譜信息SVM影像分類[J];測繪通報(bào);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(xué)學(xué)報(bào)(信息科學(xué)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(shí)相SAR影像分類方法[A];第二屆微波遙感技術(shù)研討會摘要全集[C];2006年

中國碩士學(xué)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(xué)影像分類的研究與實(shí)現(xiàn)[D];東北大學(xué);2012年

2 周國瓊;面向?qū)ο蟮腡M影像分類[D];昆明理工大學(xué);2012年

3 項(xiàng)霞;基于最小二乘支持向量機(jī)的多光譜遙感影像分類[D];武漢大學(xué);2005年

4 謝春喜;極化SAR影像分類方法研究[D];遼寧工程技術(shù)大學(xué);2008年

5 秦高峰;基于機(jī)器學(xué)習(xí)的多光譜遙感影像分類及城市擴(kuò)展研究[D];重慶大學(xué);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(shù)大學(xué);2013年

7 李琳;決策樹與SVM相結(jié)合的影像分類方法研究[D];中國地質(zhì)大學(xué)（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(xué);2013年

，

本文編號：1260768