论文部分内容阅读
极化合成孔径雷达(Polarimetric Synthetic Aperture Radar,简称极化SAR)是一种先进的获取遥感信息的手段,通过测量地面每一个分辨单元在四种不同的极化组合下的散射特性,从而得到目标对应的极化信息,极化SAR比传统单极化SAR所记录的地物目标电磁散射特征信息更完整。极化SAR分类的意义重要在于它既能作为一个中间步骤,为极化SAR的解译提供帮助,协助极化SAR图像提取边缘信息、检测目标、识别目标,也可能是用户最终需求。传统的极化SAR分类均是以单个像素为分类单元,而极化SAR特有的相干斑噪声对以像素为分类单元的分类结果影响很大,因此本文构造包含点和含权值的边的全连图,对极化SAR数据先进行过分割,减小相干斑噪声对分类的影响,然后以分割后的区域为分类单元,结合数据的极化特征和结构信息实现对极化SAR数据的分类研究,文章主要包含了以下三方面的内容:1.提出一种基于图方法的极化SAR分割方法。该方法中先提取像素点的极化特征,结合极化SAR数据的Wishart距离构建图,然后基于图对极化SAR数据进行初始分割,最后对基于图方法初始分割后的区域进行一个分层合并,按照区域大小的等级设定不同的合并策略,得到一个相对均匀的分割结果。该算法引入了应用在自然图像上的分割算法图方法,结合极化SAR数据的特点改进权值的计算方法,合并过程中考虑了像素的空间信息,思路简明,便于理解。2.提出一种基于图方法过分割的极化SAR有监督分类方法。该方法利用了上面介绍的分割方法得到分割结果,以过分割后的区域为分类单元,利用Wishart距离计算每个区域与各个训练类别之间的距离,对每个区域进行类别划分。该分类方法为基于区域的有监督分类,减小了传统分类结果中出现杂点的情况,并且提高了分类结果的区域一致性,而且提高了极化SAR的分类精度。3.提出一种基于图方法过分割以及改进的Wishart距离的极化SAR二分树分类方法。该方法同上面提到的有监督分类方法一样,以图方法分割得到的区域为分类单元,计算每两个区域之间的不相似度构建二分树,最终得到的分类树的个数即类别个数。该方法中用到的不相似度计算方式为改进的Wishart距离,考虑到区域的尺寸大小。该方法减少了分类结果中出现局部收敛的情况,减小了一般无监督方法中出现杂点的现象,且提升了分类精度。