收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于二维PCA的极化SAR图像分类研究

陈菲菲  
【摘要】:全极化合成孔径雷达(Polarimetric SyntheticAperture Radar,简写PolSAR)是一种获得遥感信息的先进手段。它具备获取多通道极化图像的优越性,有利于理解和定义散射机理,提高目标探测、识别和分类能力,有利于抑制杂波,提高抗干扰能力。极化合成孔径雷达的出现,扩展了对系统的应用范围,在采集地表物理和电磁结构信息的应用上发挥着越来越重要的作用。 极化SAR图像分类是极化SAR数据处理中的一个重要问题,也是一个棘手的问题。它主要包含两个方面:特征提取与类别划分。相比于单极化合成孔径雷达,全极化SAR更完整的表现了目标后向散射信息,不仅提供了各个极化通道的幅度和相位信息,还提供了各个通道间的相对信息。利用这些信息,可以给极化SAR图像分类带来更好的效果。然而,无论是国外还是国内,极化信息都没有得到充分的利用,分类的精度和力度都需要提高。此外,随着数据处理工具的增加,近年来出现了一些新的数据处理信息方法,如主成份分析(PCA)、两维主成份分析(二维PCA)等,将这些新的方法将被用于在极化分类,可以提高极化SAR图像的分类效果。 本文在充分利用极化信息的基础上,引入两维主分量分析,并结合Freemn分解的目标散射特性,最终用于分类,可以提高分类效果。主要包括一下三方面内容: 1.提出基于二维PCA的极化SAR图像分类方法。该方法将二维PCA用在极化SAR特征提取上,并考虑了邻近区域散射特性的相关性,有效的并自适应获得分类数,并取得良好的效果,该方法属于无监督分类。 2.提出基于二维PCA和Freeman分解的极化SAR图像分类方法。该方法将Freeman分解和二维PCA进行了有效结合,将二维PCA降维特征作为最终的分类标准。该方法在分类是先用Freeman分解作为初始类别划分,在初始类别上对目标进行降维,有效的提高了分类精度。该方法自适应分类,且具有很好的抗噪性。 3.提出一种基于二维KPCA和Freeman分解的极化SAR图像分类方法。首先,根据Freeman分解的三种散射功率对图像进行初始大类的划分;然后用二维KPCA对初始大类进行降维分类,获得初始类别;最后,用Wishart对初始类迭代。相比其他类型的经典分类方法,该方法明显具有较高的分类精度,且方法简单,容易理解。


知网文化
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978