發(fā)布時(shí)間：2018-01-19 00:09

  本文關(guān)鍵詞： PolSAR 土地利用分類 面向?qū)ο?極化分解 影像分割 特征選擇 多分類器組合　出處：《吉林大學(xué)》2017年博士論文　論文類型：學(xué)位論文

【摘要】：近年來,隨著雷達(dá)極化測量技術(shù)和合成孔徑雷達(dá)(Synthetic Aperture Radar,SAR)成像技術(shù)的逐漸成熟,結(jié)合兩者優(yōu)勢的極化SAR(Polarimetric SAR,PolSAR)應(yīng)運(yùn)而生,并逐漸取代了傳統(tǒng)低分辨率、單極化體制的雷達(dá),成為現(xiàn)代雷達(dá)系統(tǒng)發(fā)展的主流方向。有效的PolSAR影像解譯技術(shù)是PolSAR成功應(yīng)用的基礎(chǔ)。PolSAR系統(tǒng)的極化數(shù)據(jù)要想體現(xiàn)其真正的價(jià)值,需要先通過影像解譯技術(shù)的有效分析與解譯。然而相比于比較成熟的PolSAR成像技術(shù)與系統(tǒng)設(shè)計(jì),PolSAR影像解譯技術(shù)的發(fā)展相對滯后,嚴(yán)重制約了PolSAR技術(shù)的應(yīng)用,因此,開展PolSAR影像解譯技術(shù)的研究對于提高PolSAR系統(tǒng)的應(yīng)用水平具有重要意義。影像解譯的一個(gè)重要內(nèi)容就是土地利用分類。傳統(tǒng)的基于像元的分類方法僅利用像元本身的特征進(jìn)行分類,這類方法雖能較好地保留影像的細(xì)節(jié)信息,但對于PolSAR影像來說,其固有的相干斑噪聲會使單個(gè)像元的散射測量值與真實(shí)值之間出現(xiàn)誤差,造成分類結(jié)果中出現(xiàn)較多的小塊區(qū)域和孤立像素,從而增加了解譯的難度。面向?qū)ο蠓诸惙椒ㄍㄟ^分割獲得同質(zhì)性的區(qū)域?qū)ο?將對象內(nèi)的像元看作一個(gè)整體能有效地降低相干斑噪聲對影像信息的破壞程度。面向?qū)ο蠓椒ㄊ沁b感領(lǐng)域的新興技術(shù),在抑制PolSAR影像的相干斑噪聲方面有重要作用。研究面向?qū)ο蠓椒ㄔ赑olSAR影像分類上的應(yīng)用,對推動PolSAR影像分類的發(fā)展有著重要意義。針對目前PolSAR影像面向?qū)ο蠓诸愌芯恐写嬖诘闹饕獑栴},考慮到現(xiàn)有的理論和問題的復(fù)雜性,本文結(jié)合極化測量理論、圖像處理、計(jì)算機(jī)視覺、數(shù)據(jù)挖掘及模式識別等領(lǐng)域的最新技術(shù),以吉林省長春市部分區(qū)域?yàn)檠芯繀^(qū),全極化RADARSAT-2影像為數(shù)據(jù)源,按照“目標(biāo)極化分解影像分割特征選擇分類多分類器組合”的總體路線對相關(guān)問題進(jìn)行了系統(tǒng)分析和深入研究。論文的主要工作和研究成果概括如下:1、多種經(jīng)典的目標(biāo)極化分解方法(Pauli分解、Krogager分解、Huynen分解、Barnes1分解、Barnes2分解、Cloude分解、H/A/α分解、Freeman2分解、Freeman3分解、Yamaguchi3分解、Yamaguchi4分解、Neumann分解、Touzi分解、Holm1分解、Holm2分解和Van Zyl分解)被同時(shí)用于分類。通過這些目標(biāo)極化分解方法,本文共計(jì)提取了61個(gè)極化參數(shù)。將提取的所有極化參數(shù)進(jìn)行合成,形成一幅多通道影像,以用于后續(xù)的特征提取和分類等研究。2、針對PolSAR影像的特點(diǎn),提出了一種新的基于邊緣信息和區(qū)域信息混合的PolSAR影像分割方法。為檢驗(yàn)提出的分割算法的性能,選取了全極化RADARSAT-2影像的兩個(gè)子區(qū)域進(jìn)行分割實(shí)驗(yàn),并與e Cognition軟件中的FNEA算法的分割結(jié)果進(jìn)行了對比。實(shí)驗(yàn)結(jié)果表明,本文提出的分割算法對全極化RADARSAT-2影像有很好的適用性,同時(shí)它還具有較好的抗噪性能,這對于PolSAR影像的分析解譯是非常重要的。3、針對面向?qū)ο蠓诸愔写嬖诘奶卣骶S數(shù)過高的問題,提出了一種結(jié)合ReliefF算法和遺傳算法(Genetic Algorithm,GA)的混合特征選擇方法,即首先利用Relief F算法作為特征預(yù)選器濾除相關(guān)性小的特征,然后以GA作為搜索算法,以分類精度作為評估函數(shù)在剩余特征中選出最優(yōu)特征子集。該算法將Filter模式和Wrapper模式進(jìn)行了有效地結(jié)合,充分利用了二者的優(yōu)勢。為驗(yàn)證提出的特征選擇算法的有效性,與基于三種其他特征選擇算法的土地利用分類結(jié)果進(jìn)行比較。結(jié)果表明,本文提出的特征選擇算法能夠花費(fèi)較少時(shí)間獲得最高的分類精度,證明了該算法能夠有效地用于面向?qū)ο笸恋乩梅诸悺?、除了在PolSAR影像面向?qū)ο蠓诸愔谐Ｓ玫闹С窒蛄繖C(jī)(Support Vector Machine,SVM)算法和決策樹(Decision Tree,DT)算法,本文還采用了隨機(jī)森林(Random Forest,RF)算法、貝葉斯(Bayes)算法和k近鄰(k-Nearest Neighbor,k NN)算法對研究區(qū)RADARSAT-2影像進(jìn)行土地利用分類實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果顯示,五種分類算法的分類精度從高到低的排序是:SVMRFDTk NNBayes;使用SVM算法進(jìn)行土地利用分類的精度最高,總體精度和Kappa系數(shù)分別達(dá)到了92.60%和0.9022;而使用Bayes算法獲得的精度最低,總體精度和Kappa系數(shù)分別僅為87.57%和0.8376。5、將多分類器組合方法引入到了PolSAR影像面向?qū)ο蠓诸惍?dāng)中,首先利用Q統(tǒng)計(jì)量、相關(guān)系數(shù)和熵值三個(gè)指標(biāo),對SVM、DT、RF和k NN四個(gè)單分類器的所有組合形式的差異性進(jìn)行度量,然后選取其中六個(gè)差異性較大的組合進(jìn)行多分類器組合實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果表明:經(jīng)過多分類器組合后,六個(gè)組合的總體精度和Kappa系數(shù)都得到了不同程度的提高,證明了多分類器組合方法在改善PolSAR影像面向?qū)ο蠓诸愋Ч系挠行浴?br/>[Abstract]:In recent years, along with the radar polarization measurement technology and synthetic aperture radar (Synthetic Aperture, Radar, SAR) imaging technology is gradually mature, with both advantages of polarization SAR (Polarimetric SAR PolSAR) came into being, and gradually replaced the traditional low resolution, single polarization radar, has become the mainstream direction of the development of modern radar system of PolSAR images. Effective interpretation technique is polarization data base of.PolSAR system successfully used PolSAR to reflect its real value, need to go through effective analysis of image interpretation technology and interpretation. However, compared to the mature PolSAR imaging technology and system design, the development of PolSAR image interpretation technology is relatively backward, serious constraints the application of PolSAR technology, therefore, to carry out research on PolSAR image interpretation technology has an important significance for improving the application level of PolSAR system. A photointerpretation Is an important part of land use classification. The traditional pixel based classification method using only the feature pixel itself classified details, although this method can preserve the image, but for PolSAR image speckle noise makes the scattering measurement of single pixel error value and the true value between the inherent, small more areas and isolated pixels resulted from the classification results, thereby increasing the difficulty of interpretation. The object-oriented classification method by dividing the obtained region object homogeneity, the object within the pixel as a whole can effectively reduce speckle noise damage to the image information. The object-oriented method is a new technology in the field of remote sensing. There is an important role in suppressing speckle noise in PolSAR images. Research and application of object oriented method in PolSAR image classification, to promote PolSAR image Has an important significance to the development of the classification. The main problems existed in the research of the current PolSAR object oriented image classification, taking into account the complexity theory and the existing problems, combined with the theory of polarization measurement, image processing, computer vision, the latest technology in the field of data mining and pattern recognition, in some regions of Jilin province Changchun city the study area, fully polarimetric RADARSAT-2 images as the data source, in accordance with the "overall route selection target decomposition image segmentation feature classification and multi classifier combination" on issues related to the system analysis and research. The main work and research results are summarized as follows: 1, a variety of classic target polarization decomposition method (Pauli decomposition, Krogager decomposition, Huynen decomposition, Barnes1 decomposition, Barnes2 decomposition, Cloude decomposition, H/A/ alpha decomposition, Freeman2 decomposition, Freeman3 decomposition, Yamaguchi3 decomposition, Yamaguchi4 decomposition, Neuman N decomposition, Touzi decomposition, Holm1 decomposition, Holm2 decomposition and Van decomposition of Zyl) was also used for classification. Through these methods the target polarization decomposition, the total extraction of 61 polarization parameters. All polarization parameter extraction are combined to form a multi-channel imaging study, for the subsequent feature extraction and classification etc..2, according to the characteristics of PolSAR images, proposes a new segmentation method of PolSAR image edge information and region information based on mixed performance. To test the proposed segmentation algorithm, selects the two sub regional full polarimetric RADARSAT-2 image segmentation experiments, and results with the FNEA algorithm of E software in the Cognition segmentation compared. Experimental results show that the segmentation algorithm is proposed in this paper has good applicability of polarimetric RADARSAT-2 image, at the same time, it also has better anti noise performance, the analysis for PolSAR image interpretation It is very important to.3, according to the features of object oriented classification in dimension are high, we propose a combination of ReliefF algorithm and genetic algorithm (Genetic Algorithm GA) hybrid feature selection method, firstly the Relief F algorithm as a feature filter preselectors related characteristics of small, and then to GA as a search in the algorithm, the classification accuracy as the evaluation function to select the best subset of features in the remaining features. This algorithm combines Filter model and Wrapper model are combined effectively, make full use of the advantages of the two. The effectiveness of feature selection algorithm to verify the proposed election, and other three kinds of feature selection algorithm for land use classification results based on the comparison. The results show that the proposed feature selection algorithm can take less time to get the highest classification accuracy, proved that the algorithm can be effectively used for the object oriented land The classification of.4, in addition to the support vector machine commonly used in object classification in PolSAR images (Support Vector Machine SVM) algorithm and decision tree (Decision Tree DT) algorithm, this paper uses the random forest (Random Forest RF) algorithm, Bias (Bayes) algorithm and K nearest neighbor (k-Nearest Neighbor, K NN) algorithm of RADARSAT-2 image land use classification experiment. The experimental results show that the classification accuracy of the five classification algorithms from high to low ranking is: SVMRFDTk NNBayes; SVM algorithm is used to classify the land use of the highest accuracy, overall accuracy and Kappa coefficient respectively 92.60% and 0.9022; and using Bayes the accuracy of the algorithm is the lowest, the overall accuracy and Kappa coefficient are 87.57% and 0.8376.5, the method of the combination of multiple classifiers is introduced into a PolSAR object oriented image classification, the first use of Q statistic, correlation coefficient and The entropy of three indexes of SVM, DT, RF and K NN to measure four single classifiers all combinations of the differences, and then select one of the six different combinations of multiple classifiers combination experiment. The experimental results show that the combination of multiple classifiers, the combination of the six overall accuracy and Kappa coefficient improved, proved the effectiveness of multi classifier combination method in the improvement of PolSAR object oriented image classification results.

【學(xué)位授予單位】：吉林大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2017
【分類號】：P237

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 曾凡晉;;淺談面向?qū)ο筌浖臏y試[J];科技信息;2009年01期

2 王彩霞;賀興時(shí);張娟娟;;面向?qū)ο蠹夹g(shù)的系統(tǒng)思想[J];湖北師范學(xué)院學(xué)報(bào)(自然科學(xué)版);2010年02期

3 曹驥,袁勇;面向?qū)ο笥邢拊椒ㄑ芯窟M(jìn)展[J];力學(xué)季刊;2002年02期

4 高志標(biāo),鄭睿穎;基于面向?qū)ο笏枷氲膶W(xué)生信息管理系統(tǒng)的設(shè)計(jì)[J];科技廣場;2005年10期

5 陳葉旺;余金山;;以責(zé)任為中心的面向?qū)ο笥^[J];華僑大學(xué)學(xué)報(bào)(自然科學(xué)版);2005年04期

6 肖衍,彭三城,張阿敏;面向?qū)ο蠹夹g(shù)在遠(yuǎn)程考試系統(tǒng)開發(fā)中的應(yīng)用[J];湘潭師范學(xué)院學(xué)報(bào)(自然科學(xué)版);2005年01期

7 房宜汕;;面向?qū)ο蠹夹g(shù)中如何發(fā)現(xiàn)對象[J];科技信息;2007年03期

8 王家華;全斐;;面向?qū)ο蠖鄳B(tài)性的研究[J];科技資訊;2008年01期

9 李晶;;淺析對“面向?qū)ο蟆被驹淼恼J(rèn)識[J];科技信息;2011年36期

10 周本寬,曹中清,陳大鵬;面向?qū)ο笥邢拊绦虻念愒O(shè)計(jì)[J];計(jì)算結(jié)構(gòu)力學(xué)及其應(yīng)用;1996年03期

相關(guān)會議論文 前10條

1 趙玉鵬;;面向?qū)ο蠓椒ㄕ撗芯縖A];“工程科技論壇”暨首屆中國自然辯證法研究會工程哲學(xué)委員會學(xué)術(shù)年會工程哲學(xué)與科學(xué)發(fā)展觀論文集[C];2004年

2 譚良才;武建勛;;應(yīng)用面向?qū)ο蠹夹g(shù)開發(fā)暖通空調(diào)軟件[A];全國暖通空調(diào)制冷1996年學(xué)術(shù)年會資料集[C];1996年

3 馬智亮;任愛珠;;面向?qū)ο蠹夹g(shù)的新進(jìn)展及其在土木工程中的應(yīng)用展望[A];中國土木工程學(xué)會計(jì)算機(jī)應(yīng)用學(xué)會第六屆年會土木工程計(jì)算機(jī)應(yīng)用文集[C];1995年

4 沈康辰;;面向?qū)ο髴?yīng)用技術(shù)的新進(jìn)展[A];《智能技術(shù)應(yīng)用與CAD學(xué)術(shù)討論會》論文集[C];2000年

5 沈國狀;廖靜娟;;面向?qū)ο蠹夹g(shù)用于多極化SAR圖像地表淹沒程度自動探測分析[A];第十五屆全國遙感技術(shù)學(xué)術(shù)交流會論文摘要集[C];2005年

6 張琨;;面向?qū)ο筌浖臏y試過程與方法的研究[A];第七屆青年學(xué)術(shù)會議論文集[C];2005年

7 鄧安福;魏艷軍;鄧璞;鄭冰;;面向?qū)ο笕S非線性有限元程序設(shè)計(jì)[A];第15屆全國結(jié)構(gòu)工程學(xué)術(shù)會議論文集（第Ⅱ冊）[C];2006年

8 李芳;夏宇;;面向?qū)ο蟪绦蛟O(shè)計(jì)的探討[A];2008'中國信息技術(shù)與應(yīng)用學(xué)術(shù)論壇論文集（二）[C];2008年

9 姚卿達(dá);呂錦玲;;一個(gè)基于面向?qū)ο髾C(jī)制的知識-數(shù)據(jù)模型[A];第十屆全國數(shù)據(jù)庫學(xué)術(shù)會議論文集[C];1992年

10 宋善德;馬建平;余祥宣;;一種面向?qū)ο笙到y(tǒng)安全模型[A];第九次全國計(jì)算機(jī)安全學(xué)術(shù)交流會論文集[C];1994年

相關(guān)重要報(bào)紙文章 前7條

1 王詠剛;有一種道理叫“實(shí)踐”[N];中華讀書報(bào);2004年

2 廣東省電信科學(xué)技術(shù)研究院多媒體部 陳學(xué)軍 曹克虎;嵌入式系統(tǒng)軟件的面向?qū)ο箝_發(fā)技術(shù)[N];中國計(jì)算機(jī)報(bào);2000年

3 楊欣欣;科學(xué)事業(yè)高于一切[N];中國測繪報(bào);2003年

4 成通亮;以面向?qū)ο蠹夹g(shù)促進(jìn)IT發(fā)展[N];中國計(jì)算機(jī)報(bào);2002年

5 ;C++之父談編程[N];電腦報(bào);2005年

6 劉基誠　雷厲風(fēng);Java的盛宴（中）[N];中華讀書報(bào);2005年

7 紀(jì)宗;C++語言的入門指南[N];中國郵政報(bào);2003年

相關(guān)博士學(xué)位論文 前10條

1 黃志堅(jiān);面向?qū)ο笥跋穹治鲋械亩喑叨确椒ㄑ芯縖D];國防科學(xué)技術(shù)大學(xué);2014年

2 張龍;關(guān)于tame核的一些計(jì)算[D];吉林大學(xué);2016年

3 肖艷;面向?qū)ο蟮腜olSAR影像分類研究[D];吉林大學(xué);2017年

4 李必信;程序切片技術(shù)及其在面向?qū)ο筌浖攘亢蛙浖䴗y試中的應(yīng)用[D];南京大學(xué);2000年

5 韓凝;空間信息在面向?qū)ο蠓诸惙椒ㄖ械膽?yīng)用[D];浙江大學(xué);2011年

6 毛澄映;面向?qū)ο蟪绦蚍治雠c測試技術(shù)研究[D];華中科技大學(xué);2006年

7 徐新國;在EDBMS中若干面向?qū)ο箨P(guān)鍵技術(shù)的擴(kuò)充及系統(tǒng)應(yīng)用[D];中國科學(xué)院研究生院（計(jì)算技術(shù)研究所）;1996年

8 李海江;基于網(wǎng)絡(luò)的工程設(shè)計(jì)與有限元分析系統(tǒng)的面向?qū)ο髽?gòu)建[D];大連理工大學(xué);2003年

9 賀華波;間接式干燥裝備建模及面向?qū)ο筌浖_發(fā)[D];浙江大學(xué);2002年

10 劉譯t，

本文編號：1441763