收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于Cloude-Pottier分解的全极化SAR数据非监督分类的算法和实验研究

曹芳  
【摘要】: 全极化SAR数据的地物分类是遥感领域中雷达极化的最重要的应用之一。全极化SAR数据的优势在于,利用极化目标分解方法可以识别地表覆盖物的散射机制,该散射机制对所有的全极化SAR数据均是稳定的,因此,它可以实现非监督的分类方法,即不需要地表覆盖物类型的先验知识数据库。 本文开展了全极化SAR数据非监督分类的算法和实验研究。基于目前全极化SAR数据的非监督分类研究最流行的方法,本文采用将目标分解算法和统计模型的聚类方法结合起来实现全极化SAR数据的非监督分类,其研究内容主要是开展目标分解方法研究提取全极化SAR数据有关散射机制的信息,并结合该散射机制的信息和统计模式识别的方法开展全极化SAR数据非监督分类算法的研究。就目标分解算法而言,本文提出对目前最流行的Cloude-Pottier目标分解方法的改进,将回波功率参数引入到Cloude-Pottier分解中,并给出了Cloude-Pottier分解结果的直观表达方式。就非监督分类算法而言,本文首先提出了基于复Wishart分布和最大似然估计算法的Wishart SPAN/H/α分类算法,通过引入回波功率参数在一定程度上避免分类初始化的错误,提高分类器的性能;然后,考虑到Wishart SPAN/H/α分类算法初始化参数所表征的散射机制的信息不完全,本文进一步提出了采用SPAN/H/α/A四个特征参数进行初始化的Wishart SPAN/H/α/A分类算法作为Wishart SPAN/H/α分类算法的改进;由于Wishart SPAN/H/α/A分类算法初始化后的类数较多,本文又进一步提出了基于Wishart检验统计的区域合并算法来减少分类的类别数,获得有效的分类结果。Wishart SPAN/H/α/A分类算法使用预先给定的类别数进行区域合并,这一类别数并不一定是最优的。事实上,目前全极化SAR研究提出的分类算法均采用固定的类别数,关于全极化SAR数据类别数估计的研究还没有开展。本文通过引入模式识别中的交叉验证算法,提出了基于Wishart分布的交叉验证对数似然的概念,用该似然函数进行全极化SAR数据的类别数估计,根据全极化SAR数据的内部结构直接获得最优的类别数。基于该似然函数,本文又提出了一种新的全极化SAR数据非监督分类算法,带类别数估计的Wishart SPAN/H/α/A分类算法,该算法自动地根据全极化数据估计最优的类别数,并采用该最优类别数作为分类结果的类别数,消除分类类别数与数据内部结构不匹配的情况下可能导致的过拟合或欠拟合现象。另外,对于分类器定量评估方面,本文提出了采用交叉验证算法进行全极化SAR数据非监督分类器评估的方法,并尝试利用交叉验证算法实现全极化SAR数据非监督分类结果的评估。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 任玉冰;赵磊;;迭代非监督分类快速提取林地信息的研究[J];干旱环境监测;2013年03期
2 李天平;刘洋;李开源;;遥感图像优化迭代非监督分类方法在流域植被分类中的应用[J];城市勘测;2008年01期
3 王利民;刘佳;杨福刚;季富华;高建孟;;基于分层非监督分类的油菜面积识别研究[J];中国农学通报;2018年23期
4 陈忠;刘建国;汪国有;;基于改进遗传算法遥感图像非监督分类研究[J];计算机工程与应用;2008年19期
5 李莎;倪维平;严卫东;吴俊政;张晗;;基于选权迭代估计与非监督分类的多光谱图像变化检测[J];国土资源遥感;2014年04期
6 易尧华,余长慧,秦前清,龚健雅;基于独立分量分析的遥感影像非监督分类方法[J];武汉大学学报(信息科学版);2005年01期
7 高洁;李婷婷;刘婷;;基于遥感影像的延安植被分类方法分析[J];山东工业技术;2018年03期
8 韩洁;郭擎;李安;;结合非监督分类和几何—纹理—光谱特征的高分影像道路提取[J];中国图象图形学报;2017年12期
9 刘一粟;;基于ENVI的遥感影像分类研究[J];福建电脑;2018年03期
10 岳江;柏连发;张毅;徐杭威;;基于最小关联窗口的高光谱图像非监督分类[J];南京理工大学学报;2012年01期
11 徐杭威;赵壮;岳江;柏连发;;一种基于归一化光谱向量的高光谱图像实时性非监督分类方法[J];红外技术;2018年04期
12 魏从玲;符丽萍;;非监督分类中初始聚类中心法的比较研究[J];测绘工程;2009年01期
13 黄利文;毛政元;李二振;汪小钦;吴升;;基于几何概率的聚类分析方法及其在遥感影像分类中的应用[J];中国图象图形学报;2007年04期
14 窦益湘,赵庚星,田文新,张银辉;县(市区)级卫星遥感耕地信息自动提取技术研究[J];中国人口.资源与环境;2000年S2期
15 葛静茹;秦安臣;赵雄伟;孙秋华;李明;张锐;贾哲;;叠加分类及其在冀太行山区土地利用类型遥感解译中的应用[J];浙江林学院学报;2007年06期
16 李春干;代华兵;;红树林空间分布信息遥感提取方法[J];湿地科学;2014年05期
17 赵泉华;赵雪梅;李玉;;结合HMRF模型的模糊ISODATA高分辨率遥感图像分割[J];信号处理;2016年02期
18 孟海东;郝永宽;王淑玲;;聚类分析在非监督图像分类中的应用研究[J];计算机与现代化;2009年10期
19 王国栋;郭杭峰;许刃锋;;遥感影像变化检测方法研究[J];科技创新与生产力;2017年04期
20 荆志伟;王忠;;基因芯片数据分析方法及其在医学中的应用[J];中国医药生物技术;2010年06期
中国重要会议论文全文数据库 前6条
1 曹芳;洪文;吴一戎;;基于SPAN/H/alpha/A和复Wishart分割的全极化SAR数据的非监督分类算法研究[A];第二届微波遥感技术研讨会摘要全集[C];2006年
2 陈建裕;毛志华;吴均平;潘德炉;;基于光谱数据的分区多阶段混合分类方法提取特定地物[A];成像光谱技术与应用研讨会论文集[C];2004年
3 刘咏梅;温仲明;杨勤科;;陕北黄土丘陵地区坡耕地遥感分类方法研究[A];认识地理过程 关注人类家园——中国地理学会2003年学术年会文集[C];2003年
4 宋亮;李素荣;刘善军;虞茉莉;;不同遥感方法在煤矿区地物分类识别中的对比分析[A];第十八届中国环境遥感应用技术论坛论文集[C];2014年
5 秦臻;汪云甲;阚俊峰;李晓霞;;基于RS和GIS的徐州市城市扩张及驱动力研究[A];江苏省测绘学会2011年学术年会论文集[C];2011年
6 毛政元;;高空间分辨率光学卫星影像数据挖掘的策略[A];2007年福建省土地学会年会征文集[C];2007年
中国博士学位论文全文数据库 前4条
1 吴昊;高光谱遥感图像数据分类技术研究[D];国防科学技术大学;2004年
2 曹芳;基于Cloude-Pottier分解的全极化SAR数据非监督分类的算法和实验研究[D];中国科学院研究生院(电子学研究所);2007年
3 孙盛;全极化合成孔径雷达图像处理方法研究[D];华中科技大学;2013年
4 岳江;高信噪比窄带光谱数据获取与非监督分类技术研究[D];南京理工大学;2014年
中国硕士学位论文全文数据库 前10条
1 冯宗敏;基于时频分解的POLSAR图像非监督分类方法研究[D];首都师范大学;2014年
2 谢艳;极化合成孔径雷达图像分类[D];电子科技大学;2006年
3 惠巍巍;高光谱混合像元的分解及地物分类的研究[D];东北林业大学;2007年
4 蒋韬;基于遗传粒子群优化算法的遥感图像分类方法研究与应用[D];首都师范大学;2013年
5 李少兰;基于高精度遥感图像的多种土地利用分类方法研究[D];西北农林科技大学;2012年
6 张兴娟;石家庄市绿地调查研究与分析[D];辽宁工程技术大学;2009年
7 钱茹茹;遥感影像分类方法比较研究[D];长安大学;2007年
8 魏士春;海岸带湿地资源遥感调查与专题制图研究[D];山东科技大学;2007年
9 肖剑伟;基于多光谱影像的岩性信息提取技术研究[D];中国地质大学(北京);2008年
10 于洋;基于遥感信息的滨海新区湿地变化的分析[D];天津大学;2012年
 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