基于目标分解和SVM的极化SAR图像分类方法

极化SAR图像分类是新体制雷达应用研究中的一类基础前沿问题。文章提出了一种基于目标分解及支持矢量机(Support Vector Machine,SVM)的极化SAR图像分类方法。首先根据Cloude分解和Freeman分解两种方法提取极化SAR图像的多类散射特征,从而构造出图像各像素的特征向量。接着利用样本区域像素的特征向量对SVM进行训练,获得经训练的SVM。最后,以各待分类像素的特征向量为输入,利用经训练的SVM即可完成极化SAR图像的分类。对两幅AIRSAR实测极化SAR图像数据分类的结果表明,文章方法能够有效地利用多类散射特征的互补信息,具有较高的分类精度。     

旋转森林算法在GF-2卫星影像土地利用分类中的应用

"高分二号"(GF-2)卫星影像中精细的空间信息可用于高精度的土地利用分类研究。为了获取基于GF-2卫星影像土地利用分类的最优特征空间,以及将旋转森林算法应用于提高遥感影像分类精度中,文章利用GF-2卫星影像数据,基于光谱特征(4个多光谱波段和1个全色波段)、指数(植被指数、水体指数及简单比值指数)和变换成分(主成分、最小噪声分离成分与独立成分)构建特征空间,应用基于决策树的旋转森林算法构建面向对象的分类规则集,进行土地利用分类,并与最近邻和决策树算法的分类结果对比分析。结果表明,结合光谱特征、几何特征和纹理特征,采用旋转森林算法得到的分类总体精度为84.85%,Kappa系数为0.819;引入指数、变换成分后分类总体精度提高4.90%,Kappa系数提高0.058;相比于最近邻分类器和决策树分类器,结合旋转森林思想的决策树分类器总体精度分别提高11.97%和15.44%,Kappa系数分别提高0.142和0.184。研究结果可为中国高分辨率卫星影像的信息提取及基于旋转森林算法的土地利用分类研究提供参考。     

基于极化SAR图像的建筑区提取方法研究

建筑区提取对于城市规划和灾害评估具有重要的作用。文章提出融合极化方位角补偿的散射模型提取建筑区。首先对极化SAR图像进行极化补偿处理,使得建筑物的散射成分增强,然后融合极化分解得到的散射分量和纹理特征参数作为建筑区提取依据,最后使用面向对象的提取方法进行建筑区提取。采用美国San Francisco地区L波段星载AIRSAR数据和德国Oberpfaffenhofen地区L波段机载ESAR数据分别进行实验验证。结果表明,文中方法较好地识别并提取了建筑区,提高了建筑区的提取精度,可用于受灾建筑区提取以及城市建筑区信息获取。     

Ku波段机载极化SAR数据定标

针对极化合成孔径雷达(SAR)数据采集过程中出现的通道串扰、通道不平衡问题,利用Ku波段机载全极化SAR数据进行定标试验研究。进行了极化通道间干涉相位去除,以及包含相位校正、串扰校正和通道不平衡校正的极化SAR定标处理。对三面角反射器后向散射的分析表明:经定标处理后,极化通道不平衡降至1 dB以内,通道串扰降至-17 dB以下,极化特征图与理想三面角更为接近。Freeman-Durden分解结果表明:经定标处理后,极化SAR数据能较为准确地反映地物主要散射机制信息。     

多特征实优化PolSAR图像舰船目标增强方法

极化合成孔径雷达(PolSAR)数据蕴含了丰富的极化信息,已被广泛应用到海上舰船检测中。针对检测过程中存在的相干斑模糊、甚至淹没目标问题,采用多个特征通过实优化,提出了一种新的PolSAR图像舰船增强方法。在大量实验基础上,该方法首先选择了效果较好的极化白化滤波、极化熵与Pauli分解中舰船成分作为参与优化的元素,然后利用实优化融合来提取最优目标增强特征图,最后通过Radarsat-2全极化数据进行了验证。实验结果表明,该算法能有效抑制相干斑,同时增强海上舰船目标。     

基于面向对象的高分遥感影像的冬小麦提取

本文应用高分一号卫星数据,基于eCognition软件平台,采用面向对象方法对廊坊市广阳区2013年11月高分一号影像进行冬小麦信息提取。应用多尺度分割算法通过多次试验确定最优的尺度分割参数,结合影像地物光谱等特征,采用模糊逻辑分类算法,最终实现冬小麦信息高效提取。     

基于CS的SAR图像自动目标分割算法

图像目标分割是SAR图像目标超分辨处理和自动目标识别的重要步骤。针对图像固有的稀疏结构,提出了一种SAR图像自动目标分割算法。通过构造变换字典将SAR图像数据投影到高维空间,实现了图像局部特征的稀疏表示,然后利用随机矩阵获得稀疏域局部特征的压缩采样,并对多组采样数据运用Mean-shift 算法并行处理,最后通过符号检验法,实现了对目标像素与背景像素的分类。试验表明,该算法对硬目标具有较好的目标分割性能。     

一种卫星多光谱图像亚像元波段配准精度自动评价方法

多光谱图像波段配准精度是多光谱影像数据的一项重要指标。文章实现了一种基于相位一致特征的多光谱图像亚像元波段配准精度自动评价方法。通过对CBERS-02B卫星CCD多光谱图像波段配准精度自动评价,表明该方法对于亮度和对比度具有不变性,能均匀稳定提取多光谱数据不同波段影像大量同名特征匹配点,自动给出影像的不同区域的亚像元配准精度,实现对整景影像数据的较为完整准确评价。根据评价结果进行了地面处理系统校正,使行列方向除局部区域外均达到配准精度。     

基于纹理特征多分辨双Markov-GAR模型的SAR图像分割

为了提高SAR图像分割精度,提出在以灰度共生矩阵产生的纹理统计量为特征所生成的图像上,同时考虑SAR图像像素间空间分布特征和局部灰度均值和方差等统计量给出多分辨双Markov框架下的GAR模型,采用多分辨MPM的参数估计方法及对应的无监督分割算法,对SAR图像进行纹理分割。实验结果表明该方法用于一些高分辨SAR图像,与基于灰度图像上的多分辨双Markov-GAR模型纹理分割相比,在分割精度上能降低分割时的错分率。     

高分遥感影像林地资源信息提取方法研究

林地资源是森林资源的重要组成部分,在空气净化、自然防疫、制氧、气候调节等方面均具有重要作用。本文应用GF-1卫星数据,基于e Cognition软件平台,采用面向对象方法对廊坊市永清县2013年11月GF-1影像进行林地信息提取。通过多尺度分割试验确定最优尺度分割参数,结合影像地物纹理、光谱特征,采用模糊逻辑分类算法实现林地信息高效提取。     

基于时变散射特征与CNN的双极化SAR作物分类

作物类型分类是极化合成孔径雷达(PolSAR)图像中最重要的应用之一。然而，由于成本和系统限制，越来越多的双极化SAR系统已经投入使用。由于双极化模式的限制，双极化SAR数据集存在严重的贴现特性，使得双极化SAR图像难以获得令人满意的分类精度，因此有必要提取更适合于双极化SAR数据集的散射特征。基于H/α分解的基本理论，引入了一个新的参数来测量农作物的时变散射特性，并针对双极化SAR图像提出了时变散射特征驱动的卷积神经网络(CNN)。实验结果表明:提出的CNN分类方法达到了最高的分类精度。与不同的特征组合输入相比，提出的新参数能稳定地提高分类器的分类性能，H、α、θ和强度特征的组合也能达到最佳的分类性能。     

有限混合Wishart模型分类多视极化SAR图像

针对多视极化SAR图像的Wishart分类器存在着先验假设分布问题,提出混合Wishart模型并进行极化SAR图像的分类.结合bootstrap方法给出了混元个数准则,采用EM算法导出了混合模型的参数估计.根据旧金山湾区域的多视极化SAR图像实例进行了分析,并由此进行分类.实验结果显示在大的匀质区域方面上采用混合Wishart模型的分类结果明显优于直接采用 Wishart方法的分类结果.     

用于地表和亚地表探测的多频极化合成孔径雷达

本文介绍了用于地表和亚地表观测的机载多频极化SAR“IMARC”。改进的SAR系统包括了4个频段（X、L、P和VHF），相应的波长分别为4cm、23cm、68cm和254cm。这种SAR能以不同线性的极化（VV、HH、VH和HV）从飞机的左右两侧进行测量。空间分辨率在X波段为1．5～3m，L波段为4～6m，P波段为6～8m和VHF波段为8～16m。该系统采集并处理雷达数据以获得实时图像。这种SAR系统将用于测定土壤水文表面，调查植被、雪、冰层和冻土的特征，对人造目标和自然目标以及各种自然界异常现象进行定位亚地表探测。     

基于信息可视化技术的SAR图像目视解译方法研究

为解决传统合成孔径雷达(SAR)图像目视解译的困难,对一种基于信息可视化技术的SAR图像目视解译方法进行了研究。基于非线性流形学习理论的维数约减技术,对原始单极化和多极化SAR图像进行特征提取和数据挖掘,通过基于极化数据变换的特征和基于极化目标分解获取SAR图像本征特征,选择利于用户应用的特征在彩色空间编码重构出SAR信息图像提供给判读员进行解译。给出了基于信息可视化技术的SAR图像目视解译框架。多种应用结果表明:该法能挖掘并显示出大量图像中隐含的信息,产生的特征图像较原始SAR图像更符合人眼视觉,可有效解译SAR图像。     

改进的光谱角法在Landsat-8 OLI影像土地利用分类中的应用

文章对光谱角法分类的原理进行了阐述和分析,提出了一种结合图像分割算法改进光谱角法的影像分类方法,采用改进的光谱角分类方法以陆地观测卫星-8陆地成像仪(Landsat-8 OLI)遥感影像数据为数据源对武汉市武昌区的土地利用情况进行分类,并对分类精度进行了分析。研究结果表明改进的光谱角分类方法对于Landsat-8 OLI数据分类效果较好,提高了影像分类的精度。     

基于SVM的SAR图像中水上桥梁目标的检测

针对SAR图像中桥梁目标的特性,提出了一种基于统计特性和先验知识相结合的桥梁目标检测方法。通过对SAR图像中桥梁和背景的分析,首先对河流区域进行特征提取,再利用支持向量机方法对数据进行训练建模,通过训练后的模型对SAR图像中的河流进行分割,最后在分类后的二值图中按方向累加能量最小准则进行桥梁目标检测。基于真实SAR图像的实验结果显示,此方法不需要对SAR图像进行复杂的预处理,有强的抗斑点噪声性,能快速检测SAR图像中的桥梁目标。     

改进粒子群算法优化SVM参数的遥感图像分类

文章使用支持向量机(SVM)分类算法,结合当下应用较为广泛的智能优化算法,对SVM的参数进行优化选取,以期能够提高遥感图像的分类精度。针对粒子群算法(PSO)优化SVM分类器参数时,存在着容易早熟收敛、分类精度相对较低、容易陷入局部最优解的问题,提出了一种以自适应权重粒子群算法(SAPSO)为基础,引入遗传算法交叉算子的混合优化算法(SAPSO-GA),利用这种改进的算法优化SVM参数对遥感图像进行分类。文章以一景Quick Bird卫星遥感影像为例,对影像进行图像融合等预处理,然后分别使用PSO-SVM算法和SAPSO-GA-SVM算法进行土地利用分类,比较分析两种算法的分类精度,结果表明,改进的算法提高了粒子群算法的搜索性能,能够寻找更佳SVM分类器参数,获得较高的分类精度。     

“高分二号”卫星数据面向对象的海岸线提取法

"高分二号"(GF-2)卫星的成功发射是中国遥感事业发展的重大突破,标志着中国遥感卫星进入亚米级时代。由于兼具高辐射精度、高定位精度和快速机动能力等特点,GF-2卫星数据应用于海岸线提取将极大提高提取的精度和速度。现有的遥感解译海岸线方法主要有阈值分割法、边缘检测法、区域生长提取法、神经网络法和面向对象法等,其中面向对象法是一种新兴的遥感图像解译方法,该方法通过对影像的分割,使同质像元组成大小不同的对象,从而实现较高层次的遥感图像分类和目标地物提取。文章以深圳大鹏半岛GF-2卫星数据为例,通过对影像进行正射校正、配准、融合和裁剪等预处理,再采用面向对象方法对海岸线进行了提取,并对入海河流河口处的海陆分界线划分进行了初步研究。研究结果表明,将海岸线提取结果与GF-2卫星遥感影像叠加进行验证,结果可靠,且所耗时间短,效率高。     

基于U-net的"高分五号"卫星高光谱图像土地类型分类

"高分五号"卫星是世界首颗实现对大气和陆地综合观测的全谱段高光谱卫星,对于土地利用类型分类具有重要的应用价值,如何利用深度学习技术开展高光谱图像分类是当前研究的热点问题。深度学习中的语义分割方法在地面场景的图像中已经获得较好的应用,但是对于高光谱遥感图像的精度和适用性较差,无法准确获得精确的分类结果。文章采用U-net模型开展高光谱土地利用类型分类研究,首先基于"高分五号"卫星高光谱数据,构建样本数据集,然后训练分类模型,进行土地利用类型分类,探讨语义分割方法在高分五号高光谱数据上的应用能力。结果表明,采用深度学习中的语义分割方法能够有效提高精度水平,U-net模型的整体分类精度为0.9357,Kappa系数达到0.92,均高于SVM方法和CNN方法。采用深度学习中的语义分割方法,可以为"高分五号"高光谱数据的土地利用分类提供技术支撑,有效提升"高分五号"卫星的应用能力。     

基于集成活动轮廓模型的SAR图像分割方法

图像分割是合成孔径雷达(Synthetic Aperture Radar, SAR)图像自动解译技术中的一个重要问题。基于活动轮廓的思想,给出了一种适应于SAR图像分割的集成活动轮廓模型。该模型综合利用SAR图像的边缘和区域特性,通过检测算子提取SAR图像的边缘信息,利用似然函数的最大化提取图像中不同统计信息的区域;通过边缘和区域的共同曲线运动实现对SAR图像的分割。利用加性算子分裂算法,给出了该模型的快速实现方法。通过MSTAR和实测星载SAR数据进行试验验证,并与其他算法比较,结果表明：所提方法适应性强,可适应复杂背景的SAR图像分割,并且分割定位准确、收敛速度较快;所提实现算法稳健,能适应不同参数设置,且对初始条件不敏感。〖JP〗