当前位置:首页>> >>


基于SVM方法的全极化SAR影像黄河口湿地分类.rar

收藏

资源目录
    文档预览:
    编号:20180915222316104    类型:共享资源    大小:9.95MB    格式:RAR    上传时间:2018-09-15
    尺寸:148x200像素    分辨率:72dpi   颜色:RGB    工具:   
    20
    金币
    关 键 词:
    基于 SVM 方法 极化 SAR 影像 黄河口 湿地 分类
    资源描述:
    山 东 科 技 大 学 本 科 毕 业 设 计 ( 论 文 )I摘 要全 极 化 合 成 孔 径 雷 达 ( POLSAR) 可 获 取 全 部 极 化 信 息 , 为 遥 感 地 物目 标 识 别 与 解 译 提 供 新 的 思 路 和 角 度 , 成 为 分 类 领 域 的 重 要 研 究 方 向 。 利用 全 极 化 SAR 开 展 湿 地 地 物 分 类 工 作 具 有 一 定 的 理 论 意 义 和 实 际 意 义 。本 文 选 用 黄 河 口 地 区 全 极 化 Radarsat-2 的 C 波 段 SAR 图 像 , 通 过 定 量分 析 影 像 数 据 特 征 , 进 行 基 于 极 化 目 标 分 解 与 纹 理 特 征 的 非 监 督 与 SVM监督 分 类 , 探 讨 依 据 几 种 极 化 分 解 方 法 下 极 化 特 征 如 何 组 合 取 得 更 高 的 分 类精 度 , 从 而 为 湿 地 生 态 建 设 提 供 决 策 上 的 支 持 。 主 要 研 究 工 作 分 为 以 下 几个 部 分 :1) 图 像 预 处 理 : 分 析 Radarsat-2 影 像 C 波 段 全 极 化 特 征 , 对 SAR 图像 进 行 预 处 理 , 结 果 表 明 55 窗 口 的 增 强 Lee 滤 波 对 抑 制 相 干 斑 噪 声 与 保持 图 像 纹 理 信 息 的 效 果 最 明 显 。2) 极 化 特 征 提 取 : 利 用 Cloude、 Freeman、 Pauli、 Yamaguchi 四 种 极化 分 解 特 征 , 统 计 图 像 中 奇 次 散 射 、 偶 次 散 射 、 体 散 射 机 制 占 优 的 分 布 规律 , 将 不 同 分 解 方 法 的 散 射 机 制 映 射 到 H-α 特 征 平 面 , 对 比 不 同 分 解 方 法的 优 缺 点 ; 利 用 协 方 差 矩 阵 [C3]得 到 的 极 化 参 数 对 地 物 识 别 进 行 定 量 分 析 ;3) 纹 理 特 征 提 取 : 利 用 灰 度 共 生 矩 阵 提 取 8 种 纹 理 特 征 , 通 过 归 一 化处 理 , 优 选 出 最 能 代 表 黄 河 口 湿 地 地 物 纹 理 信 息 的 特 征 值 进 行 实 验 。4) 极 化 SAR 分 类 技 术 : 重 点 分 析 几 种 常 用 极 化 SAR 分 类 原 理 与 参 数选 取 。 方 法 包 括 基 于 Cloude 分 解 与 Wishart 最 大 似 然 准 则 的 H-α、H-α-Wishart 分 类 、 H-α-A-Wishart 法 , 基 于 散 射 模 型 的 Wishart 分 类 、 模 糊C 均 值 H/Alpha 分 类 、 Wishart 监 督 分 类 。 为 了 改 进 常 规 分 类 效 果 , 在 此 基础 上 引 入 SVM 非 线 性 分 类 , 给 出 SVM 分 类 原 理 , 进 行 基 于 极 化 分 解 与 纹理 特 征 的 SVM 方 法 。5) 采 用 极 化 SAR 图 像 的 三 种 分 类 方 法 对 研 究 区 进 行 试 验 。 选 取 [T3]、山 东 科 技 大 学 本 科 毕 业 设 计 ( 论 文 )IIH、 α、 Yamaguchi 分 解 特 征 、 同 极 化 比 、 交 叉 极 化 后 向 散 射 系 数 等 信 息 组成 一 个 特 征 向 量 , 进 行 黄 河 口 湿 地 的 SVM 分 类 。 选 取 训 练 样 本 , 采 用 交叉 验 证 法 寻 找 最 优 惩 罚 参 数 , 总 体 精 度 最 高 达 84.30%, 加 入 熵 纹 理 特 征 分类 精 度 提 高 了 0.6%。 并 在 相 同 区 域 进 行 H-α-A-Wishart 法 、 基 于 Yamaguchi模 型 的 Wishart 分 类 、 模 糊 C 均 值 H/Alpha 分 类 对 比 试 验 , 精 度 分 别 为74.56%, 73.93%, 73.05%。 结 果 表 明 提 出 的 SVM 法 可 有 效 地 提 高 分 类 精度 , 改 善 地 物 识 别 效 果 。关 键 词 : 全 极 化 SAR, 极 化 分 解 , 纹 理 特 征 , 非 监 督 分 类 , 监 督 SVM山 东 科 技 大 学 本 科 毕 业 设 计 ( 论 文 )IIIAbstractThepolarizedradar(POLSAR)hasbecomeanimportantdevelopment directionof classification research with richer polarization information, which provides anew perspective for remote sensing interpretation. The use of fully polarizedSARtocarryoutwetlandclassificationisavaluableexperimentalstudy.In this paper, Radarsat-2 fulll polarized SAR images are used toanalyze,different non-supervised and SVM supervised classification are carriedout in the Yellow River estuary area based on the polarization characteristicsextracted by target decomposition and texture features from gray levelco-occurrence matrix.Finally discuss how to obtain higher classificationaccuracy providing technical and decision support for wetland ecologicalconstruction.Themainworkisdividedintothefollowingsections:1) Image preprocessing: The Radarat-2 image C-band full polarization isanalyzed and the SAR image is preprocessed. The results show that theenhanced Lee filter of 55 window has the most obvious effect on suppressingspecklenoiseandpreservingimagetextureinformation.2) Classification feature extraction: Using the four kinds of polarizationdecomposition features of Cloude, Freeman, Pauli and Yamaguchi, thedistributions of odd scattering, even scattering and bulk scattering mechanismin the statistical image are mapped to the scattering mechanism of differentdecomposition methods H-α characteristic plane is used to compare theadvantages and disadvantages of different decomposition methods. Thepolarimetric parameters obtained by covariance matrix [C3] are used toquantify thefeature recognition.Eight kindsof texture features are extracted bygray level co-occurrence matrix, The best representative of the Yellow River山 东 科 技 大 学 本 科 毕 业 设 计 ( 论 文 )IVestuarywetlandtextureinformationoftheeigenvaluesoftheexperiment.3) Polarization SAR classification technology: This paper introduces severalcommonly used polarimetric SAR classification methods, focusing on theclassification principle and parameter selection. The method includes H-α,H-α-Wishart classification based on Cloude decomposition and Wishartmaximum likelihood criterion, H-α-A-Wishart method, Wishart classificationbased on scattering model, fuzzy C-means H/Alpha classification, WishartsupervisedclassificationTheInorder toimprovetheconventionalclassificationeffect, SVM nonlinear classification is introduced, SVM classification principleis given, and SVM method based on polarization decomposition and texturefeatureiscarriedout.4)Three kinds of classification methods of polarized SAR images were used totest the study area. The characteristics of [T3], H,α,Yamaguchi decomposition,co-polarization, cross-polarization backscatter coefficient are selected to form afeature vector, and the SVM supervision classification of the Yellow Riverestuary is carried out. The training parameters are selected and the cross -validation method is used to find the optimal penalty parameters. The overallaccuracy is up to 84.30%, and the classification accuracy of the entropy textureisimprovedby 0.6%.Andthe H-α-A-Wishart methodiscarried outinthesameregion. The precision of the Wishart classification and the fuzzy C-means H/Alpha classification test are 74.56%,73.93% and 73.05% respectively based ontheYamaguchi model. The results show that the SVM method can improve theclassificationaccuracyandimprovetherecognitioneffectofthefeature.Keywords: polarimetricSAR,polarimetricdecomposition,texturefeature,classification,supportvectormachine山 东 科 技 大 学 本 科 毕 业 设 计 ( 论 文 )V目 录1 绪 论 ................................................................................................11.1 研 究 目 的 与 意 义 .....................................................................................11.2 国 内 外 研 究 现 状 .....................................................................................21.3 研 究 主 要 内 容 与 技 术 路 线 .....................................................................52 研 究 区 概 况 及 数 据 处 理 ...............................................................62.1研 究 区 域 概 况 ...........................................................................................62.2 数 据 源 与 预 处 理 .....................................................................................73 全 极 化 SAR影 像 特 征 提 取 .........................................................133.1 极 化 特 征 提 取 与 分 析 ...........................................................................133.2 基 于 灰 度 共 生 矩 阵 的 纹 理 特 征 提 取 ...................................................233.3 典 型 地 物 的 极 化 参 数 提 取 分 析 ...........................................................294 全 极 化 SAR 图 像 湿 地 信 息 提 取 ................................................334.1 分 类 体 系 ...............................................................................................334.2 SAR分 类 方 法 与 原 理 .........................................................................334.3 黄 河 口 地 区 RadarSat-2 影 像 分 类 实 验 ...............................................435 结 论 及 展 望 ................................................................................555.1 结 论 .......................................................................................................555.2 不 足 与 展 望 ...........................................................................................55参 考 文 献 ..........................................................................................57致 谢 ..................................................................................................61附 录 ..................................................................................................63山 东 科 技 大 学 本 科 毕 业 设 计 ( 论 文 )11 绪 论1.1 研 究 目 的 与 意 义黄 河 口 湿 地 地 处 渤 海 湾 南 岸 与 莱 州 湾 的 西 岸 , 具 有 中 国 乃 至 世 界 暖 温带 最 年 轻 的 河 口 湿 地 和 大 面 积 处 于 原 生 状 态 的 滨 海 生 态 系 统 , 蕴 藏 着 丰 富的 土 地 资 源 、 滩 涂 资 源 、 海 洋 资 源 , 是 最 有 开 发 潜 力 的 三 角 洲 , 但 其 生 态系 统 类 型 独 特 , 湿 地 生 态 环 境 脆 弱 。 此 外 , 2006 年 国 家 “十 一 五 ”规 划 纲 要指 出 持 续 开 发 建 设 黄 河 三 角 洲 , 主 攻 发 展 高 效 生 态 经 济 。 基 于 此 , 掌 握 黄河 口 湿 地 海 岸 带 资 源 现 状 , 植 被 等 地 物 类 型 分 布 , 对 促 进 “黄 三 角 ”地 区 生态 旅 游 业 的 可 持 续 发 展 具 有 重 要 意 义 , 为 实 现 山 东 人 的 “跨 世 纪 之 梦 ”提 供支 持 。微 波 遥 感 的 特 点 普 遍 应 用 于 海 岸 带 地 物 信 息 的 提 取 。 合 成 孔 径 雷 达(SyntheticApertureRadar,SAR)是 一 种 通 过 飞 行 平 台 的 向 前 运 动 实 现 合 成 孔径 的 主 动 式 微 波 传 感 器 , 利 用 多 普 勒 频 移 原 理 和 雷 达 相 干 为 基 础 的 合 成 孔径 技 术 , 突 破 了 真 实 的 孔 径 天 线 对 方 位 分 辨 率 的 限 制 , 并 与 脉 冲 压 缩 技 术结 合 , 实 现 了 远 距 离 目 标 的 二 维 高 分 辨 率 成 像 [1]。 SAR 的 不 受 时 间 限 制 的成 像 、 高 效 的 穿 透 性 、 多 极 化 观 测 的 能 力 , 比 起 可 见 光 方 式 有 不 可 比 拟 的优 势 , 在 当 前 遥 感 各 领 域 的 研 究 中 有 着 重 要 应 用 。普 通 的 雷 达 系 统 仅 用 单 极 化 通 道 天 线 接 收 回 波 信 号 , 获 取 的 是 标 量 雷达 数 据 , 利 用 这 有 限 信 息 不 能 准 确 实 现 参 数 反 演 与 研 究 。 不 同 极 化 方 式 的不 同 回 波 是 电 磁 波 与 地 物 目 标 相 互 作 用 的 结 果 , 不 同 地 物 会 反 映 出 不 同 的极 化 特 性 , 通 过 对 全 极 化 影 像 的 综 合 分 析 , 来 提 高 SAR 影 像 探 测 目 标 的 能力 , 是 雷 达 遥 感 的 重 要 特 点 [2]。 极 化 合 成 孔 径 雷 达 ( PolarimetricSyntheticApertureRadar,POLSAR) 是 多 通 道 多 极 化 雷 达 观 测 系 统 , 它 同 时 发 射 水 平与 垂 直 极 化 波 并 接 收 两 个 方 向 的 信 号 , 获 取 地 物 在 不 同 极 化 方 式 下 散 射 的山 东 科 技 大 学 本 科 毕 业 设 计 ( 论 文 )2极 化 信 息 。 而 C 波 段 极 化 SAR 的 数 据 表 征 形 式 有 散 射 矩 阵 、 协 方 差 矩 阵 、相 干 矩 阵 等 , 完 整 记 录 了 地 物 的 后 向 散 射 信 息 , 与 相 应 的 散 射 模 型 相 关 联 ,故 特 征 挖 掘 与 提 取 更 为 关 键 。 随 着 近 年 来 日 益 发 展 的 极 化 SAR 观 测 卫 星 ,亟 待 通 过 全 极 化 SAR 的 极 化 信 息 开 展 分 类 研 究 工 作 , 为 遥 感 信 息 解 译 与 资源 监 测 提 供 更 有 效 的 方 法 。1.2 国 内 外 研 究 现 状SAR 影 像 的 分 类 问 题 一 直 是 研 究 热 点 , 国 内 外 学 者 在 分 类 特 征 提 取 及SAR 分 类 算 法 的 优 化 创 新 上 做 了 大 量 工 作 。 常 用 的 分 类 参 数 有 基 于 测 量 数据 的 组 合 变 换 特 征 、 极 化 分 解 特 征 、 纹 理 特 征 、 SAR 灰 度 统 计 特 征 等[3],且 常 常 对 特 征 进 行 主 成 分 变 换 、 HSV 变 换 、 分 割 图 斑 等 处 理 来 为 后 续 信 息做 准 备 。 基 于 此 , 极 化 SAR 的 非 监 督 分 类 与 监 督 分 类 方 法 可 以 划 分 为 五 小类 , 包 括 基 于 SVM 的 监 督 分 类 , 基 于 极 化 SAR 统 计 分 布 的 监 督 分 类 , 基于 神 经 网 络 和 模 糊 推 理 的 监 督 分 类 , 基 于 特 征 分 量 聚 类 分 析 的 非 监 督 分 类 ,基 于 目 标 散 射 机 制 的 非 监 督 分 类 。 其 中 , 对 SAR 进 行 Colude、 Freeman 极化 分 解 的 分 类 是 最 常 用 的 方 法 , 其 他 方 法 主 要 侧 重 于 改 进 提 高 。 1994 年 ,Lee 等 进 行 了 基 于 Wishart 分 布 的 极 化 协 方 差 矩 阵 的 监 督 分 类 , 首 次 将 最 大似 然 准 则 用 于 SAR 的 多 视 处 理[4]。 1997 年 , Cloude 和 Pottier 提 出 了 利 用极 化 分 解 特 征 H 和 α进 行 非 监 督 分 类 的 方 法 , 将 两 者 组 成 的 二 维 平 面 分 成 8个 区 域 , 以 此 来 对 SAR 图 像 分 类 。 但 是 这 种 方 法 对 边 界 地 物 的 划 分 不 精 确 ,分 类 精 度 有 待 于 提 高 。 1999 年 , Lee 等 人 结 合 H/Alpha 非 监 督 分 类 和 基 于复 Wishart 距 离 测 度 的 迭 代 分 类 器 对 SAR 影 像 分 类 有 效 改 进 优 化 , 但 会 使地 物 的 散 射 特 性 发 生 改 变 。 为 了 更 好 地 保 持 地 物 的 散 射 特 性 , 2004 年 Lee等 将 freeman 极 化 分 解 的 三 类 散 射 功 率 进 行 基 于 最 大 似 然 规 则 的 Wishart迭 代 分 类[7]。 2006 年 , Yamaguchi 等 通 过 极 化 相 干 矩 阵 表 达 散 射 能 量 来 进行 Yamaguchi 四 分 量 分 解 , 并 证 明 这 种 分 解 方 法 在 解 释 全 极 化 的 散 射 机 制山 东 科 技 大 学 本 科 毕 业 设 计 ( 论 文 )3上 的 优 势 。 2011年 , Souza-Filho 等 采 用 最 大 似 然 法 , 从 L 波 段 机 载 SAR单 极 化 影 像 与 多 极 化 彩 色 合 成 影 像 中 判 别 巴 西 北 部 亚 马 逊 地 区 沿 海 湿 地 地物 , 有 效 的 提 高 了 单 极 化 图 像 分 类 的 精 度 。 2013 年 , ThomasR.A.等 提 出 采用 多 时 相 多 极 化 星 载 PALSAR 影 像 、 机 载 激 光 雷 达 探 测 的 植 被 树 冠 高 度 数据 、 DEM 组 合 的 基 于 ISODATA非 监 督 的 湿 地 分 类 方 法 , 表 明 LiDAR 在复 杂 的 湿 地 环 境 分 析 中 的 有 用 价 值 。 2015 年 , LauraBourgeau-Chavez 等 用HH、 HV 极 化 方 式 的 PALSAR 与 Landsat 影 像 , 分 别 合 成 春 夏 秋 多 季 节 的数 据 , 同 时 结 合 野 外 实 测 数 据 与 航 空 相 片 解 译 , 基 于 随 机 森 林 综 合 分 类 器对 五 大 湖 沿 岸 湿 地 分 类 , 取 得 了 很 高 的 总 体 精 度 。 结 果 表 明 该 方 法 具 有 很强 的 适 用 性 , 可 以 应 用 到 温 带 非 海 岸 区 域 地 物 分 类 。2006 年 , 刘 凯 等 将 TM 与 Radarsat 图 像 IHS 融 合 、 小 波 融 合 、 主 成 分融 合 的 图 像 , 分 别 进 行 红 树 林 湿 地 群 落 的 神 经 网 络 分 类 , 结 果 表 明 主 成 分融 合 的 图 像 分 类 精 度 最 高 。 2007 年 , 李 晓 玮 等 改 进 了 传 统 的 SAR 极 化 分解 算 法 , 按 Krogager 分 解 特 征 标 记 分 辨 单 元 的 主 导 散 射 机 制 , 以 此 计 算 得到 更 准 确 的 相 干 矩 阵 和 H/α-Wishart 分 类 结 果 。 2007 年 , 吴 永 辉 等 提 出 了一 种 基 于 H-α非 监 督 分 类 结 果 的 C-均 值 动 态 聚 类 的 分 类 算 法 , 用 熵 的 极 大值 作 为 迭 代 次 数 , 改 进 了 H-α分 类 结 果 。 2008 年 , 赵 立 文 等 提 出 了 一 种 基于 Freeman 分 解 与 散 射 熵 的 极 化 SAR 的 Wishart 迭 代 分 类 方 法 , 得 到 了 较好 的 分 类 效 果[15]。 2009 年 , 杨 然 等 利 用 机 载 C 波 段 PiSAR 数 据 , 将Yamaguchi 分 解 的 四 个 散 射 分 量 组 成 的 归 一 化 特 征 矢 量 进 行 模 糊 C 均 值 分类 , 有 效 地 提 高 了 经 典 H/α/Wishart 分 类 效 果 [16]。 2010 年 , 常 新 盼 等 比 较了 基 于 H/α、 H/A、 H/α-Wishart、 H/α/A-Wishart 的 极 化 SAR 影 像 的 非 监 督分 类 和 基 于 复 Wishart 分 布 的 最 大 似 然 监 督 分 类 法 , 结 果 表 明 基 于 复Wishart 分 布 的 最 大 似 然 监 督 分 类 法 效 果 最 好 [17]。 2010 年 , 王 庆 等 提 出 平均 散 射 功 率 的 概 念 , 用 中 值 阈 值 方 法 分 割 平 均 散 射 功 率 , 然 后 对 分 割 的 3山 东 科 技 大 学 本 科 毕 业 设 计 ( 论 文 )4个 子 类 应 用 H-α-Wishart 分 类 器 分 类 , 该 方 法 有 效 地 改 善 散 射 机 制 相 近 但 散射 功 率 不 同 的 类 别 分 割 。 2011年 , 杨 慧 良 等 在 海 岸 带 地 物 分 类 中 逐 步 判 别LandsatTM5 影 像 的 不 同 波 段 、 四 种 方 向 的 8 种 纹 理 统 计 量 , 最 终 筛 选 了5 个 纹 理 特 征 值 参 与 构 建 神 经 网 络 分 类 模 型 , 较 好 地 提 取 了 莱 州 区 域 的 滩涂 资 源 。 2012 年 , 王 安 琪 等 通 过 融 合 L 波 段 PALSAR-HH 影 像 与 TM 影 像 、分 析 多 时 相 多 极 化 ENVISATASAR 影 像 上 三 江 平 原 洪 河 自 然 保 护 区 湿 地植 被 后 向 散 射 特 性 , 结 合 神 经 元 网 络 与 决 策 树 分 类 , 验 证 了 多 波 段 多 极 化SAR 在 湿 地 植 被 探 测 中 的 应 用 潜 力 。 2012 年 , 付 仲 良 等 利 用 单 极 化ENVISAT-ASAR 影 像 的 局 域 灰 度 统 计 特 征 和 纹 理 特 征 组 合 的 SVM 分 类 方法 获 得 高 精 度 的 分 类 结 果 , 优 于 单 一 GLCM 或 Gabor 纹 理 特 征 的 分 类[21]。2012 年 , 王 庆 等 用 鄱 阳 湖 湿 地 的 全 极 化 Radarsat-2 数 据 , 采 用 基 于 freeman极 化 分 解 得 到 的 散 射 机 制 判 别 指 数 的 H-Alpha 法 分 类 , 防 止 了 散 射 机 制 混淆 误 差 。 2012 年 , 王 庆 等 引 入 cloude 分 解 的 特 征 谱 与 特 征 值 构 成 的 多 维 特征 矢 量 , 通 过 常 规 的 ISODATA非 监 督 分 类 法 , 结 果 与 H/α/A-Wishart 类 似 。2013 年 , 张 继 超 等 对 POLSAR 影 像 不 同 目 标 分 解 方 法 提 取 的 极 化 参 数 进 行面 向 对 象 的 多 尺 度 分 割 , 采 用 C5.0 的 决 策 树 分 类[24]。 2013 年 , 张 祥 等 把相 干 与 非 相 干 极 化 目 标 分 解 的 特 征 信 息 组 合 作 为 SVM 监 督 分 类 的 输 入 来进 行 分 类 , 更 有 效 地 将 极 化 SAR 图 像 中 的 丰 富 信 息 运 用 到 分 类 处 理 中 [25]。2014 年 , 付 娇 等 利 用 Yamaguchi 分 解 的 四 种 散 射 功 率 进 行 初 始 聚 类 , 并 通过 Wishart 迭 代 分 类 器 调 整 类 别 , 保 持 了 地 物 的 散 射 特 性 。 2014 年 , 王 霄鹏 等 选 取 黄 河 口 湿 地 的 4 种 极 化 方 式 的 SAR 影 像 分 别 与 TM 影 像 融 合 , 并对 融 合 结 果 使 用 SVM 算 法 自 动 分 类 , 结 果 表 明 HV 极 化 方 式 的 SAR 影 像与 TM 影 像 融 合 的 分 类 精 度 最 高[27]。 2014 年 , 陈 军 等 将 Pauli 极 化 分 解 特征 组 合 成 特 征 向 量 进 行 SVM分 类 , 结 果 优 于 其 它 分 解 的 SVM分 类 策 略 [28]。2016 年 , 白 云 海 等 通 过 对 单 极 化 SAR 图 像 纹 理 特 征 的 独 立 主 成 分 分 析 ,山 东 科 技 大 学 本 科 毕 业 设 计 ( 论 文 )5将 第 一 主 成 分 与 HSV 彩 色 转 换 后 重 新 组 合 的 滤 波 图 像 采 用 SVM 监 督 分类 , 有 效 的 提 高 了 分 类 精 度 。 2016 年 , 许 斌 等 把 Freeman 分 解 算 法 与 复Wishart 迭 代 分 类 器 结 合 起 来 分 类 , 改 善 分 类 效 果 。1.3 研 究 内 容 与 技 术 路 线论 文 主 要 研 究 利 用 多 种 特 征 信 息 组 合 进 行 极 化 SAR 分 类 的 方 法 , 其 中极 化 分 解 信 息 是 分 类 的 主 要 特 征 , 辅 以 基 于 灰 度 共 生 矩 阵 提 取 的 纹 理 特 征和 极 化 参 数 , 对 黄 河 口 地 区 全 极 化 Radarsat-2 影 像 进 行 非 监 督 、 监 督 SVM分 类 。 比 较 不 同 极 化 分 解 特 征 的 分 类 方 法 对 特 定 地 物 分 类 的 结 果 , 并 分 析多 特 征 组 合 的 SVM 分 类 器 较 普 通 的 机 器 学 习 在 提 取 湿 地 信 息 上 的 优 势 ,为 黄 河 口 湿 地 地 物 分 类 提 供 新 的 技 术 方 法 与 决 策 支 持 。 技 术 路 线 图 如 下 :图 1.1 论 文 技 术 路 线 图
    展开阅读全文
    1
      金牌文库所有资源均是用户自行上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作他用。
    0条评论

    还可以输入200字符

    暂无评论,赶快抢占沙发吧。

    关于本文
    本文标题:基于SVM方法的全极化SAR影像黄河口湿地分类.rar
    链接地址:http://www.gold-doc.com/p-185884.html
    关于我们 - 网站声明 - 网站地图 - 资源地图 - 友情链接 - 网站客服客服 - 联系我们
    copyright@ 2014-2018 金牌文库网站版权所有
    经营许可证编号:浙ICP备15046084号-3
    收起
    展开