光学与极化SAR影像能够信息互补,提高城市地物信息提取精度,但是,由于成像原理不同,二者具有几何和辐射特性差异,尤其随着空间分辨率的提高,地物提取复杂度和难度增加,且光学和SAR影像无法精确配准,给信息融合应用带来挑战。本文分别针对高空间分辨率光学影像、全极化SAR影像和X波段单极化SAR影像进行了主被动数据城市地物协同分类研究。(1)光学与全极化SAR影像协同分类:基于甘肃省张掖市2012年7月获取的1m分辨率的光学航空影像和5.2×7.6m分辨率的全极化SAR影像数据,利用面向对象的多尺度分割法缓解成像差异造成的几何偏移问题;同时,利用模糊分类策略实现不同性质的特征类型的联合决策。进行了两组实验,实验一基于训练样本进行分类,结果表明,光学影像对光谱信息相似的道路、建筑物和裸地提取效果不佳,而引入极化SAR影像特征后,建筑物和裸地的分类精度可提升5%~10%左右,道路和人工植被的分类精度也有所改善,总体精度由85%上升至88.18%。实验二沿用实验一所得的参数,未采集训练样本,得到的分类结果与实验一基本一致,总体分类精度由81.82%上升至88.04%,表明该研究方法和实验所得的特征组合具有一定的稳定性。(2)光学与单极化SAR影像协同分类:实验数据为2014年7月获取的天津市1m分辨率的RGB波段航空光学影像和1m分辨率的机载X波段单极化SAR影像。随着SAR影像空间分辨率的提高,在地物细节更丰富的基础上也引入了更复杂的分类问题,研究通过对典型地物特征分析,采用面向对象的形态分割、支持向量机分类、分层分类策略,进行了两组实验,实验一在面向对象的分割基础上使用支持向量机(RBF核函数)分类器分类,采用四组对比实验,结果表明,面向对象分类方法较基于像元的方法能够有效抑制分类结果中的“椒盐”现象,解决提取图斑破碎问题,面向对象的形态分割后分类效果总体精度均提升了5%左右。仅用光学影像分类结果显示,建筑物和道路,水体、阴影和植被混分现象严重;引入SAR图像数据辅助分类后,各类地物,尤其是道路、植被、水体和阴影的提取均有很大改善,分类总体精度均提升了10%左右。实验二在实验一的基础上引入分层分类策略,通过样本离散度分析,使用更简单的分类器支持向量机(Linear)、更有效的样本数据以及更少的特征波段进行分类,所得分类结果与面向对象的支持向量机(RBF核函数)分类结果图极为接近,总体精度只相差0.47%,各类地物分类精度相差约在5%以内,道路、植被、裸地、阴影提取效果都很好,只有少部分水体被误分为阴影。