針對僅依靠單一屬性特征難以實現(xiàn)海冰類型精準監(jiān)測的問題,提出一種聯(lián)合極化目標分解特征和紋理特征的全極化SAR海冰類型提取方法:首先利用H/α/A分解和AnYang分解獲取海面目標的6個極化分解特征;然后通過灰度共生矩陣獲取HV極化圖像的3個紋理特征,進而將極化分解特征和紋理特征組合構(gòu)建9個特征的聯(lián)合特征矢量;最后基于支持向量機分類器,實現(xiàn)極化SAR圖像海冰類型的精確提取。以渤海遼東灣為實驗區(qū),選用高分三號全極化SAR數(shù)據(jù),利用本文構(gòu)建的海冰類型提取方法,獲取了實驗區(qū)的海冰類型的分布信息,并與其他提取方法進行了對比分析。實驗表明,本文構(gòu)建的9個聯(lián)合特征矢量,特征之間具有較好的互補性,提高了不同海冰類型之間的區(qū)分度,改善了海冰類型提取的精度,總體分類精度為92.6%,Kappa系數(shù)為0.87。 

【文章來源】：遙感信息. 2020,35(04)北大核心CSCD

【文章頁數(shù)】：7 頁

【部分圖文】：

2017年1月13日遼東灣海冰圖像不同方法分類結(jié)果對比

基于特征矢量組合的海冰類型提取算法流程圖

對SAR影像進行目視分析，在第1景SAR海冰圖像內(nèi)主要的冰水類型有沿岸固定冰、初生冰、灰冰和海水4類。在第2景SAR海冰圖像內(nèi)主要的冰水類型有沿岸固定冰、初生冰、灰冰、灰白冰和海水5類。另外，為了驗證算法的分類精度，選用2景覆蓋實驗區(qū)域的GF-1光學遙感數(shù)據(jù)作為參考數(shù)據(jù)。第1景的成像時間為2017年1月13日11:42，中心點經(jīng)緯度為120.64°E,40.542 6°N，傳感器類型為WFV3，軌道圈號為20 038。第2景的成像時間為2017年1月22日11:37，中心經(jīng)緯度為122.174°E,40.128 1°N，傳感器類型為WFV4，軌道圈號為20 160。2景影像的空間分辨率均為16m，包含紅、綠、藍和近紅外4個波段。

【參考文獻】：
期刊論文
[1]KCCA與SVM算法支撐下的遙感影像變化檢測[J]. 董岳,王飛.  遙感信息. 2019(01)
[2]利用目標分解特征的全極化SAR海冰分類[J]. 趙泉華,郭世波,李曉麗,李玉.  測繪學報. 2018(12)
[3]結(jié)合紋理特征的SVM海冰分類方法研究[J]. 張明,呂曉琪,張曉峰,張婷,吳涼,王軍凱,張信雪.  海洋學報. 2018(11)
[4]基于屬性差決策樹的全極化SAR影像海冰分類[J]. 王常穎,田德政,韓園峰,隋毅,初佳蘭.  遙感技術(shù)與應(yīng)用. 2018(05)
[5]極化SAR圖像目標分解方法的研究進展[J]. 張臘梅,段寶龍,鄒斌.  電子與信息學報. 2016(12)
[6]利用邊界能量函數(shù)的SAR海冰圖像分類[J]. 趙慶平,崔少華,李崢,侯俊欽.  遙感信息. 2016(03)
[7]結(jié)合MRF與ν-SVM的SAR海冰圖像分類[J]. 沈楊,郎文輝,吳杰,楊學志.  遙感學報. 2015(05)
[8]基于極化散射特征的極化合成孔徑雷達海冰分類方法研究:以渤海海冰分類為例[J]. 張晰,張杰,孟俊敏,蘇騰飛,劉眉潔.  海洋學報(中文版). 2013(05)
[9]顧及特征優(yōu)化的全極化SAR圖像SVM分類[J]. 巫兆聰,歐陽群東,李芳芳.  測繪科學. 2013(03)



本文編號：3588961