有效的PolSAR影像分類技術是PolSAR成功應用的基礎,然而相比于比較成熟的PolSAR成像技術與系統(tǒng)設計,PolSAR影像分類技術的發(fā)展相對滯后,針對PolSAR影像面向對象分類研究中存在的問題,提出了一種新的結合多種目標極化分解、ReliefF-PSO_SVM和集成學習的PolSAR影像面向對象分類方法。該方法首先采用多種方法對PolSAR影像進行目標極化分解;然后將利用不同極化分解方法提取的極化參數組合成一幅多通道影像;接下來對多通道影像進行分割、特征提取;采用ReliefF-PSO_SVM算法進行特征選擇,并保留適應度最高的N個特征子集進行分類,每一個特征子集對應一個分類結果;最后利用集成學習技術對各分類結果進行集成。以吉林省長春市部分區(qū)域為研究區(qū),Radarsat2影像為數據源,將提出的方法應用于土地利用分類中,取得了較好的分類效果,總體精度和Kappa系數分別達到了85.06%和0.8006。此外,還構建了3種對比方法用于分類,對比結果進一步證明了所提方法在PolSAR影像分類中的優(yōu)越性。 

【文章來源】：紅外與毫米波學報. 2020,39(04)北大核心EISCICSCD

【文章頁數】：8 頁

【部分圖文】：

圖１研＿＃＊？．：麗麗??Ｆｉｇ．?１?Ｌｏｃａｔｉｏｎ?ｍａｐ?ｏｆ?ｓｔｕｄｙ?ａｒｅａ??ｏ

１極化散射矩陣??能夠記錄并描述散射過程中苜標的極化變化信息ａ??其定義如下所Ｓｓ??ｇ?＿??其中，對角線元素．和為“同極化”項，非對角線??元素ｔ和心．為“＇交叉極化”項＿?ａ．?３Ｘ３視相：于矩陣??和協(xié)方麁矩陣的定義分別如式＜?２）和（３）所示：??Ｔｕ?Ｔｉ３??Ｔｎ?ｒ，ｓ??ｒｉ?ｔ：｝?ｒｎ??〈―通豐｜〉〈（、十?〉?２．〈（ＳＷ｜?＃、＇》氣＂??修－（爲＋讀〈｜知－?｜２〉２雜－為眞）??＾／｜％｜：＼??０?１?２，??Ｉ?Ｉ?ｉ?ｋｍ??圖３各地類的樣本分布圖??Ｆｉｇ．?３?Ｄｉｓｔｒｉｂｕｔｉｏｎ?ｍａｐ?ｏｆ?ｓａｍｐｌｅｓ?ｆｏｒ?ｅａｃｈ?ｃｌａｓｓ??其中，＊表亦共輒，｜?？?｜表不模，〈？〉表＾Ｋ時間或空間集??合平均［１°］。??極化分解就是基于雷達目標的散射矩陣、相干??矩陣或協(xié)方差矩陣來實現的。根據分解機制及針??４期??肖艷等：基于面向對象的極化雷達影像分類??５０７??＿?＿??Ｎ？ｏ／ｌｓｃｒｎ寸?Ｍ？ｐ８？ｃｎ寸??５０＾寸?０９產／５寸＆??ＮＡ??Ｎ．?？０＿＆〇￡?寸?之？０／８寸〇￡寸??／ｏ，ｓ?寸?〇￡寸??／０＇＾寸０￡寸??＼—／??３??／＿＼??？ｒ??價４）（｜＾??５ｔｔ２?ｓ？??４?￥鱗ｆ??ｃｆｃ；０（＾＾）??Ｖ２ｄ??ｃ２３??－Ａ??地??民地地地路體??爿居林耕￥道水??ｉｓｌ?Ｈ??

５１０??紅外與蠢米波拿報??３９卷??３結果與分析??３．１集成結果??通過集成得到的分類結果如圖５?（ａ）所滴，基于??該分類結果建立的混淆矩硨如表２所冧ｅ為重觀地??觀察集成前后分類精度的變化情況，將Ｔ１、Ｔ２、Ｔ３、．??Ｔ４、Ｔ５分類結果的蟲產者精度、用戶精度、總體精度??和Ｋａｐｐａ系數與集成后獲得的生產者精度、用戶精??度、總體精．度和Ｋａｐｐａ．系數分別進行統(tǒng)計、匯總，如??畫４所硫ａ從圖４（｛５－＜１）可以看出，集成后的總體精??度和Ｋａｐｐａ系數都得到了提高，珂見，集成學習確實??能改善分類效桌。觀察圖４（?ａ－ｂ）發(fā)現，集成后地類??的生產者精度和用戶精度整體上都有所提高，但從??單個地物角度來看＊弁不是所有地類的生產者精度??或用戶精度都比各成員分類器的育ｅ可見，集成學??習盡管能提高整體分類精度，但弁不能使所有地類??的生產者精度和用戶精度都提窩Ｂ??３．２與其它方法對比??為進一步驗證提出方法的有敦性，本文構建了??３種對比方法用寧ＰｏｌＳＡＲ影像分類ｓ這３種方法分??別為ｓ?ｆｆｉ將提？方法：中的１６種目標極化分解方＿養(yǎng)??換成Ｐａｕｌｆ分解方■一＃，以驗證多種目標極化分解??方法在提出方法中的作用；③將提出方法中的Ｒｅ－??ｌｉｅｉＦ－ＰＳ０＿ＳＶＭ特怔選擇算法替換成特征隹間優(yōu)化??（ｆ挪?１１轉?ｓｐ．ａ＿＾ｐｔｉｍｉｚａｔｉ〇Ｈ３ｆＦＳＣ）．）特?ｆｆｆｉ?選．擇算法，以??驗證ＲｅＭｅｆｆ－ＢＣＬＳＹＭ特征選：擇雰法：在提出方法中??的作用Ｉ③去掉提出方法中的多分類器集成步驟??（即通過特征選擇，僅保留最優(yōu)的一個特征子集進??行分類以驗怔集成學習在提出方法中的作

【參考文獻】：
期刊論文
[1]基于ReliefF和PSO混合特征選擇的面向對象土地利用分類[J]. 肖艷,姜琦剛,王斌,李遠華,劉舒,崔璨.  農業(yè)工程學報. 2016(04)
[2]一種基于集成學習和特征融合的遙感影像分類新方法[J]. 劉培,杜培軍,譚琨.  紅外與毫米波學報. 2014(03)



本文編號：3308514