一種改進的全極化SAR影像面向?qū)ο蠓诸惙椒?/H1>
發(fā)布時間：2018-05-09 20:34
本文選題：全極化SAR影像 + 面向?qū)ο蠓诸?/strong> ； 參考：《中國礦業(yè)大學(xué)學(xué)報》2015年05期
【摘要】：面向?qū)ο蠓诸愡^程,首先對圖像進行分割得到對象,然后將對象進行分類,分割效果直接影響最終分類精度.針對這一問題,提出一種改進的全極化合成孔徑雷達(SAR)影像面向?qū)ο蠓诸惙椒?在分類時首先通過計算各對象內(nèi)部像元類別比例對對象進行判斷,若所有類別比例均沒有達到某個閾值,則認為此對象存在分割偏差,對其進行基于像元的分類,反之則進行面向?qū)ο蠓诸?最后整合像元級和對象級分類結(jié)果.分類算法采用改進分類器動態(tài)選擇法(ICDS)對差異性較大的3個基分類器Wishart、核-KNN和Wishart-KNN進行決策級融合.以AIRSAR,EMISAR的全極化SAR影像為數(shù)據(jù)進行分類實驗.結(jié)果表明:改進算法充分利用了對象級和像素級分類的優(yōu)點,從而得到高精度的分類結(jié)果,該算法具有良好的應(yīng)用前景.
[Abstract]:In the process of object oriented classification, the object is segmented first, then the object is classified. The segmentation effect directly affects the final classification accuracy. In order to solve this problem, an improved object oriented classification method for fully polarized synthetic aperture radar (SAR) images is proposed. If the proportion of all categories does not reach a certain threshold, then the segmentation deviation of the object is considered, and the object based classification is carried out. Otherwise, the object oriented classification is carried out, and the results of pixel and object level classification are finally integrated. The improved classifier dynamic selection method (ICDSs) is used to fuse the three base classifiers, namely, Wishart, Kernel KNN and Wishart-KNN. The full polarization SAR image of AIRSARY EMISAR is used as the data for classification experiment. The results show that the improved algorithm makes full use of the advantages of object level and pixel level classification, and obtains high precision classification results. The algorithm has a good application prospect.
【作者單位】： 國土環(huán)境與災(zāi)害監(jiān)測國家測繪地理信息局重點實驗室中國礦業(yè)大學(xué);宜春學(xué)院數(shù)學(xué)與計算機學(xué)院;江蘇省地理信息技術(shù)重點實驗室南京大學(xué);
【基金】：國家自然科學(xué)基金項目(41171323) 中國地質(zhì)調(diào)查局地質(zhì)調(diào)查工作項目(1212011120229,12120115040601) 江蘇高校優(yōu)勢學(xué)科建設(shè)工程項目(SZBF2011-6-B35)
【分類號】：TN957.52
【相似文獻】
相關(guān)期刊論文 前10條
1 竇建方;陳鷹;;基于數(shù)學(xué)形態(tài)學(xué)和相位編組SAR影像道路自動提取[J];遙感信息;2008年05期
2 竇建方;陳鷹;;基于數(shù)學(xué)形態(tài)學(xué)和相位編組SAR影像道路自動提取[J];測繪科學(xué);2009年02期
3 單子力;王超;張紅;;基于優(yōu)化活動輪廓模型的SAR影像海陸分割方法研究[J];計算機應(yīng)用研究;2011年06期
4 劉俊怡;李德仁;李微;梅新;;一種基于均值比率和最佳熵的SAR影像邊緣檢測方法[J];武漢大學(xué)學(xué)報(信息科學(xué)版);2007年06期
5 徐川;華鳳;眭海剛;陳光;;多尺度水平集SAR影像水體自動分割方法[J];武漢大學(xué)學(xué)報(信息科學(xué)版);2014年01期
6 謝鋒;陳映鷹;林怡;;一種新的SAR影像中目標準確提取方法[J];計算機應(yīng)用;2007年S2期
7 張晰;張杰;紀永剛;;基于紋理特征分析的遼東灣SAR影像海冰檢測[J];海洋科學(xué)進展;2008年03期
8 王冬紅;王番;周華;劉智;;SAR影像的幾何精糾正[J];遙感學(xué)報;2006年01期
9 萬紫;王新;劉江;;基于簡化定位模型的高分辨率SAR影像模擬方法研究[J];測繪工程;2014年06期
10 黃國滿,郭建坤,趙爭,肖洲,仇春平,呂京國;SAR影像多項式正射糾正方法與實驗[J];測繪科學(xué);2004年06期
相關(guān)會議論文 前3條
1 孟俊敏;張自歷;張杰;;利用SAR影像研究臺灣東北部內(nèi)波的激發(fā)源及時空分布特征[A];中國科學(xué)院海洋科學(xué)青年學(xué)術(shù)研討會暨2001年海洋湖沼科學(xué)青年學(xué)者論壇論文摘要集[C];2001年
2 陳旭;秦朝峰;;水平運動小球生成內(nèi)波的仿真SAR影像[A];第九屆全國水動力學(xué)學(xué)術(shù)會議暨第二十二屆全國水動力學(xué)研討會論文集[C];2009年
3 李海艷;杜濤;何宜軍;;風(fēng)對內(nèi)波SAR影像的影響[A];中國海洋學(xué)會2005年學(xué)術(shù)年會論文匯編[C];2005年
相關(guān)博士學(xué)位論文 前1條
1 孫建;SAR影像的海浪信息反演[D];中國海洋大學(xué);2005年
相關(guān)碩士學(xué)位論文 前2條
1 寧凱;基于SAR影像反演山區(qū)森林郁閉度的方法研究[D];西南交通大學(xué);2014年
2 李英會;基于時間序列高分辨率SAR影像的地表形變監(jiān)測技術(shù)研究[D];遼寧工程技術(shù)大學(xué);2012年
，
本文編號：1867329
本文鏈接：http://sikaile.net/kejilunwen/wltx/1867329.html
本文選題：全極化SAR影像 + 面向?qū)ο蠓诸?/strong> ； 參考：《中國礦業(yè)大學(xué)學(xué)報》2015年05期
【摘要】：面向?qū)ο蠓诸愡^程,首先對圖像進行分割得到對象,然后將對象進行分類,分割效果直接影響最終分類精度.針對這一問題,提出一種改進的全極化合成孔徑雷達(SAR)影像面向?qū)ο蠓诸惙椒?在分類時首先通過計算各對象內(nèi)部像元類別比例對對象進行判斷,若所有類別比例均沒有達到某個閾值,則認為此對象存在分割偏差,對其進行基于像元的分類,反之則進行面向?qū)ο蠓诸?最后整合像元級和對象級分類結(jié)果.分類算法采用改進分類器動態(tài)選擇法(ICDS)對差異性較大的3個基分類器Wishart、核-KNN和Wishart-KNN進行決策級融合.以AIRSAR,EMISAR的全極化SAR影像為數(shù)據(jù)進行分類實驗.結(jié)果表明:改進算法充分利用了對象級和像素級分類的優(yōu)點,從而得到高精度的分類結(jié)果,該算法具有良好的應(yīng)用前景.
[Abstract]:In the process of object oriented classification, the object is segmented first, then the object is classified. The segmentation effect directly affects the final classification accuracy. In order to solve this problem, an improved object oriented classification method for fully polarized synthetic aperture radar (SAR) images is proposed. If the proportion of all categories does not reach a certain threshold, then the segmentation deviation of the object is considered, and the object based classification is carried out. Otherwise, the object oriented classification is carried out, and the results of pixel and object level classification are finally integrated. The improved classifier dynamic selection method (ICDSs) is used to fuse the three base classifiers, namely, Wishart, Kernel KNN and Wishart-KNN. The full polarization SAR image of AIRSARY EMISAR is used as the data for classification experiment. The results show that the improved algorithm makes full use of the advantages of object level and pixel level classification, and obtains high precision classification results. The algorithm has a good application prospect.
【作者單位】： 國土環(huán)境與災(zāi)害監(jiān)測國家測繪地理信息局重點實驗室中國礦業(yè)大學(xué);宜春學(xué)院數(shù)學(xué)與計算機學(xué)院;江蘇省地理信息技術(shù)重點實驗室南京大學(xué);
【基金】：國家自然科學(xué)基金項目(41171323) 中國地質(zhì)調(diào)查局地質(zhì)調(diào)查工作項目(1212011120229,12120115040601) 江蘇高校優(yōu)勢學(xué)科建設(shè)工程項目(SZBF2011-6-B35)
【分類號】：TN957.52
【相似文獻】
相關(guān)期刊論文 前10條
1 竇建方;陳鷹;;基于數(shù)學(xué)形態(tài)學(xué)和相位編組SAR影像道路自動提取[J];遙感信息;2008年05期
2 竇建方;陳鷹;;基于數(shù)學(xué)形態(tài)學(xué)和相位編組SAR影像道路自動提取[J];測繪科學(xué);2009年02期
3 單子力;王超;張紅;;基于優(yōu)化活動輪廓模型的SAR影像海陸分割方法研究[J];計算機應(yīng)用研究;2011年06期
4 劉俊怡;李德仁;李微;梅新;;一種基于均值比率和最佳熵的SAR影像邊緣檢測方法[J];武漢大學(xué)學(xué)報(信息科學(xué)版);2007年06期
5 徐川;華鳳;眭海剛;陳光;;多尺度水平集SAR影像水體自動分割方法[J];武漢大學(xué)學(xué)報(信息科學(xué)版);2014年01期
6 謝鋒;陳映鷹;林怡;;一種新的SAR影像中目標準確提取方法[J];計算機應(yīng)用;2007年S2期
7 張晰;張杰;紀永剛;;基于紋理特征分析的遼東灣SAR影像海冰檢測[J];海洋科學(xué)進展;2008年03期
8 王冬紅;王番;周華;劉智;;SAR影像的幾何精糾正[J];遙感學(xué)報;2006年01期
9 萬紫;王新;劉江;;基于簡化定位模型的高分辨率SAR影像模擬方法研究[J];測繪工程;2014年06期
10 黃國滿,郭建坤,趙爭,肖洲,仇春平,呂京國;SAR影像多項式正射糾正方法與實驗[J];測繪科學(xué);2004年06期
相關(guān)會議論文 前3條
1 孟俊敏;張自歷;張杰;;利用SAR影像研究臺灣東北部內(nèi)波的激發(fā)源及時空分布特征[A];中國科學(xué)院海洋科學(xué)青年學(xué)術(shù)研討會暨2001年海洋湖沼科學(xué)青年學(xué)者論壇論文摘要集[C];2001年
2 陳旭;秦朝峰;;水平運動小球生成內(nèi)波的仿真SAR影像[A];第九屆全國水動力學(xué)學(xué)術(shù)會議暨第二十二屆全國水動力學(xué)研討會論文集[C];2009年
3 李海艷;杜濤;何宜軍;;風(fēng)對內(nèi)波SAR影像的影響[A];中國海洋學(xué)會2005年學(xué)術(shù)年會論文匯編[C];2005年
相關(guān)博士學(xué)位論文 前1條
1 孫建;SAR影像的海浪信息反演[D];中國海洋大學(xué);2005年
相關(guān)碩士學(xué)位論文 前2條
1 寧凱;基于SAR影像反演山區(qū)森林郁閉度的方法研究[D];西南交通大學(xué);2014年
2 李英會;基于時間序列高分辨率SAR影像的地表形變監(jiān)測技術(shù)研究[D];遼寧工程技術(shù)大學(xué);2012年
，本文編號：1867329
本文鏈接：http://sikaile.net/kejilunwen/wltx/1867329.html
