高分辨率光學(xué)與極化SAR影像城市地物協(xié)同分類
發(fā)布時(shí)間：2017-09-14 05:37
本文關(guān)鍵詞：高分辨率光學(xué)與極化SAR影像城市地物協(xié)同分類
更多相關(guān)文章： 城市覆蓋 高分辨率光學(xué) 極化SAR 面向?qū)ο?/b> 分類
【摘要】：光學(xué)與極化SAR影像能夠信息互補(bǔ),提高城市地物信息提取精度,但是,由于成像原理不同,二者具有幾何和輻射特性差異,尤其隨著空間分辨率的提高,地物提取復(fù)雜度和難度增加,且光學(xué)和SAR影像無法精確配準(zhǔn),給信息融合應(yīng)用帶來挑戰(zhàn)。本文分別針對高空間分辨率光學(xué)影像、全極化SAR影像和X波段單極化SAR影像進(jìn)行了主被動(dòng)數(shù)據(jù)城市地物協(xié)同分類研究。(1)光學(xué)與全極化SAR影像協(xié)同分類:基于甘肅省張掖市2012年7月獲取的1m分辨率的光學(xué)航空影像和5.2×7.6m分辨率的全極化SAR影像數(shù)據(jù),利用面向?qū)ο蟮亩喑叨确指罘ň徑獬上癫町愒斐傻膸缀纹茊栴};同時(shí),利用模糊分類策略實(shí)現(xiàn)不同性質(zhì)的特征類型的聯(lián)合決策。進(jìn)行了兩組實(shí)驗(yàn),實(shí)驗(yàn)一基于訓(xùn)練樣本進(jìn)行分類,結(jié)果表明,光學(xué)影像對光譜信息相似的道路、建筑物和裸地提取效果不佳,而引入極化SAR影像特征后,建筑物和裸地的分類精度可提升5%~10%左右,道路和人工植被的分類精度也有所改善,總體精度由85%上升至88.18%。實(shí)驗(yàn)二沿用實(shí)驗(yàn)一所得的參數(shù),未采集訓(xùn)練樣本,得到的分類結(jié)果與實(shí)驗(yàn)一基本一致,總體分類精度由81.82%上升至88.04%,表明該研究方法和實(shí)驗(yàn)所得的特征組合具有一定的穩(wěn)定性。(2)光學(xué)與單極化SAR影像協(xié)同分類:實(shí)驗(yàn)數(shù)據(jù)為2014年7月獲取的天津市1m分辨率的RGB波段航空光學(xué)影像和1m分辨率的機(jī)載X波段單極化SAR影像。隨著SAR影像空間分辨率的提高,在地物細(xì)節(jié)更豐富的基礎(chǔ)上也引入了更復(fù)雜的分類問題,研究通過對典型地物特征分析,采用面向?qū)ο蟮男螒B(tài)分割、支持向量機(jī)分類、分層分類策略,進(jìn)行了兩組實(shí)驗(yàn),實(shí)驗(yàn)一在面向?qū)ο蟮姆指罨A(chǔ)上使用支持向量機(jī)(RBF核函數(shù))分類器分類,采用四組對比實(shí)驗(yàn),結(jié)果表明,面向?qū)ο蠓诸惙椒ㄝ^基于像元的方法能夠有效抑制分類結(jié)果中的“椒鹽”現(xiàn)象,解決提取圖斑破碎問題,面向?qū)ο蟮男螒B(tài)分割后分類效果總體精度均提升了5%左右。僅用光學(xué)影像分類結(jié)果顯示,建筑物和道路,水體、陰影和植被混分現(xiàn)象嚴(yán)重;引入SAR圖像數(shù)據(jù)輔助分類后,各類地物,尤其是道路、植被、水體和陰影的提取均有很大改善,分類總體精度均提升了10%左右。實(shí)驗(yàn)二在實(shí)驗(yàn)一的基礎(chǔ)上引入分層分類策略,通過樣本離散度分析,使用更簡單的分類器支持向量機(jī)(Linear)、更有效的樣本數(shù)據(jù)以及更少的特征波段進(jìn)行分類,所得分類結(jié)果與面向?qū)ο蟮闹С窒蛄繖C(jī)(RBF核函數(shù))分類結(jié)果圖極為接近,總體精度只相差0.47%,各類地物分類精度相差約在5%以內(nèi),道路、植被、裸地、陰影提取效果都很好,只有少部分水體被誤分為陰影。
【關(guān)鍵詞】：城市覆蓋 高分辨率光學(xué) 極化SAR 面向?qū)ο?/strong> 分類
【學(xué)位授予單位】：重慶交通大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：P237
【目錄】：
- 摘要4-5
- ABSTRACT5-9
- 第一章 緒論9-15
- 1.1 選題背景與研究意義9-11
- 1.1.1 選題背景9-10
- 1.1.2 研究意義10-11
- 1.2 研究現(xiàn)狀與存在的問題11-13
- 1.2.1 國內(nèi)外研究現(xiàn)狀11-13
- 1.2.2 研究難點(diǎn)及存在的問題13
- 1.3 論文研究內(nèi)容和章節(jié)安排13-15
- 第二章 數(shù)據(jù)準(zhǔn)備與分類體系構(gòu)建15-28
- 2.1 數(shù)據(jù)準(zhǔn)備15-26
- 2.1.1 高分辨率光學(xué)影像15-16
- 2.1.2 極化SAR影像16-22
- 2.1.3 實(shí)驗(yàn)數(shù)據(jù)及研究區(qū)域概況22-26
- 2.2 分類體系設(shè)計(jì)26-27
- 2.3 本章小結(jié)27-28
- 第三章 光學(xué)與全極化SAR影像協(xié)同分類28-51
- 3.1 技術(shù)方法28-42
- 3.1.1 極化SAR影像預(yù)處理28-31
- 3.1.2 光學(xué)影像的面向?qū)ο蠓指?/span>31
- 3.1.3 特征提取與分析31-41
- 3.1.4 模糊隸屬度函數(shù)分類41-42
- 3.2 實(shí)驗(yàn)與分析42-50
- 3.2.1 面向?qū)ο蟮哪：诸悓?shí)驗(yàn)一42-45
- 3.2.2 面向?qū)ο蟮哪：诸悓?shí)驗(yàn)二45-46
- 3.2.3 分類結(jié)果及精度評價(jià)46-50
- 3.3 本章小結(jié)50-51
- 第四章 光學(xué)與單極化SAR影像協(xié)同分類51-71
- 4.1 技術(shù)方法51-56
- 4.1.1 形態(tài)分割和面向?qū)ο蟮奶卣魈崛?/span>51-53
- 4.1.2 支持向量機(jī)分類法53-55
- 4.1.3 分層分類策略55-56
- 4.2 實(shí)驗(yàn)區(qū)域樣本獲取56-57
- 4.3 主被動(dòng)數(shù)據(jù)典型地物特征分析57-60
- 4.4 基于形態(tài)學(xué)分割的SVM分類實(shí)驗(yàn)60-64
- 4.4.1 實(shí)驗(yàn)過程60-61
- 4.4.2 分類結(jié)果及精度評價(jià)61-64
- 4.5 基于形態(tài)學(xué)分割和分層分類的SVM分類實(shí)驗(yàn)64-70
- 4.5.1 實(shí)驗(yàn)過程64-67
- 4.5.2 分類結(jié)果及精度評價(jià)67-70
- 4.6 本章小結(jié)70-71
- 第五章 結(jié)論與展望71-74
- 5.1 主要工作內(nèi)容和結(jié)論71-73
- 5.1.1 基于實(shí)驗(yàn)數(shù)據(jù)的研究成果71
- 5.1.2 基于技術(shù)方法的研究成果71-73
- 5.2 不足和展望73-74
- 5.2.1 不足73
- 5.2.2 展望73-74
- 致謝74-75
- 參考文獻(xiàn)75-79
- 在學(xué)期間發(fā)表的論文和取得的學(xué)術(shù)成果79
【參考文獻(xiàn)】
中國期刊全文數(shù)據(jù)庫 前1條
1 鄒麗麗;崔海山;李穎;吳宇靜;;SAR與SPOT數(shù)據(jù)融合方法研究[J];遙感技術(shù)與應(yīng)用;2010年06期
中國博士學(xué)位論文全文數(shù)據(jù)庫 前1條
1 朱俊杰;高分辨率光學(xué)和SAR遙感數(shù)據(jù)融合及典型目標(biāo)提取方法研究[D];中國科學(xué)院研究生院（遙感應(yīng)用研究所）;2005年
，本文編號：848198
本文鏈接：http://sikaile.net/kejilunwen/dizhicehuilunwen/848198.html
最近更新
教材專著
