一種改進(jìn)的全極化SAR影像面向?qū)ο蠓诸惙椒?/H1>
發(fā)布時(shí)間：2018-05-09 20:34
本文選題：全極化SAR影像 + 面向?qū)ο蠓诸?/strong>��； 參考：《中國(guó)礦業(yè)大學(xué)學(xué)報(bào)》2015年05期
【摘要】：面向?qū)ο蠓诸愡^程,首先對(duì)圖像進(jìn)行分割得到對(duì)象,然后將對(duì)象進(jìn)行分類,分割效果直接影響最終分類精度.針對(duì)這一問題,提出一種改進(jìn)的全極化合成孔徑雷達(dá)(SAR)影像面向?qū)ο蠓诸惙椒?在分類時(shí)首先通過計(jì)算各對(duì)象內(nèi)部像元類別比例對(duì)對(duì)象進(jìn)行判斷,若所有類別比例均沒有達(dá)到某個(gè)閾值,則認(rèn)為此對(duì)象存在分割偏差,對(duì)其進(jìn)行基于像元的分類,反之則進(jìn)行面向?qū)ο蠓诸?最后整合像元級(jí)和對(duì)象級(jí)分類結(jié)果.分類算法采用改進(jìn)分類器動(dòng)態(tài)選擇法(ICDS)對(duì)差異性較大的3個(gè)基分類器Wishart、核-KNN和Wishart-KNN進(jìn)行決策級(jí)融合.以AIRSAR,EMISAR的全極化SAR影像為數(shù)據(jù)進(jìn)行分類實(shí)驗(yàn).結(jié)果表明:改進(jìn)算法充分利用了對(duì)象級(jí)和像素級(jí)分類的優(yōu)點(diǎn),從而得到高精度的分類結(jié)果,該算法具有良好的應(yīng)用前景.
[Abstract]:In the process of object oriented classification, the object is segmented first, then the object is classified. The segmentation effect directly affects the final classification accuracy. In order to solve this problem, an improved object oriented classification method for fully polarized synthetic aperture radar (SAR) images is proposed. If the proportion of all categories does not reach a certain threshold, then the segmentation deviation of the object is considered, and the object based classification is carried out. Otherwise, the object oriented classification is carried out, and the results of pixel and object level classification are finally integrated. The improved classifier dynamic selection method (ICDSs) is used to fuse the three base classifiers, namely, Wishart, Kernel KNN and Wishart-KNN. The full polarization SAR image of AIRSARY EMISAR is used as the data for classification experiment. The results show that the improved algorithm makes full use of the advantages of object level and pixel level classification, and obtains high precision classification results. The algorithm has a good application prospect.
【作者單位】： 國(guó)土環(huán)境與災(zāi)害監(jiān)測(cè)國(guó)家測(cè)繪地理信息局重點(diǎn)實(shí)驗(yàn)室中國(guó)礦業(yè)大學(xué);宜春學(xué)院數(shù)學(xué)與計(jì)算機(jī)學(xué)院;江蘇省地理信息技術(shù)重點(diǎn)實(shí)驗(yàn)室南京大學(xué);
【基金】：國(guó)家自然科學(xué)基金項(xiàng)目(41171323) 中國(guó)地質(zhì)調(diào)查局地質(zhì)調(diào)查工作項(xiàng)目(1212011120229,12120115040601) 江蘇高校優(yōu)勢(shì)學(xué)科建設(shè)工程項(xiàng)目(SZBF2011-6-B35)
【分類號(hào)】：TN957.52
【相似文獻(xiàn)】
相關(guān)期刊論文 前10條
1 竇建方;陳鷹;;基于數(shù)學(xué)形態(tài)學(xué)和相位編組SAR影像道路自動(dòng)提取[J];遙感信息;2008年05期
2 竇建方;陳鷹;;基于數(shù)學(xué)形態(tài)學(xué)和相位編組SAR影像道路自動(dòng)提取[J];測(cè)繪科學(xué);2009年02期
3 單子力;王超;張紅;;基于優(yōu)化活動(dòng)輪廓模型的SAR影像海陸分割方法研究[J];計(jì)算機(jī)應(yīng)用研究;2011年06期
4 劉俊怡;李德仁;李微;梅新;;一種基于均值比率和最佳熵的SAR影像邊緣檢測(cè)方法[J];武漢大學(xué)學(xué)報(bào)(信息科學(xué)版);2007年06期
5 徐川;華鳳;眭海剛;陳光;;多尺度水平集SAR影像水體自動(dòng)分割方法[J];武漢大學(xué)學(xué)報(bào)(信息科學(xué)版);2014年01期
6 謝鋒;陳映鷹;林怡;;一種新的SAR影像中目標(biāo)準(zhǔn)確提取方法[J];計(jì)算機(jī)應(yīng)用;2007年S2期
7 張晰;張杰;紀(jì)永剛;;基于紋理特征分析的遼東灣SAR影像海冰檢測(cè)[J];海洋科學(xué)進(jìn)展;2008年03期
8 王冬紅;王番;周華;劉智;;SAR影像的幾何精糾正[J];遙感學(xué)報(bào);2006年01期
9 萬紫;王新;劉江;;基于簡(jiǎn)化定位模型的高分辨率SAR影像模擬方法研究[J];測(cè)繪工程;2014年06期
10 黃國(guó)滿,郭建坤,趙爭(zhēng),肖洲,仇春平,呂京國(guó);SAR影像多項(xiàng)式正射糾正方法與實(shí)驗(yàn)[J];測(cè)繪科學(xué);2004年06期
相關(guān)會(huì)議論文 前3條
1 孟俊敏;張自歷;張杰;;利用SAR影像研究臺(tái)灣東北部?jī)?nèi)波的激發(fā)源及時(shí)空分布特征[A];中國(guó)科學(xué)院海洋科學(xué)青年學(xué)術(shù)研討會(huì)暨2001年海洋湖沼科學(xué)青年學(xué)者論壇論文摘要集[C];2001年
2 陳旭;秦朝峰;;水平運(yùn)動(dòng)小球生成內(nèi)波的仿真SAR影像[A];第九屆全國(guó)水動(dòng)力學(xué)學(xué)術(shù)會(huì)議暨第二十二屆全國(guó)水動(dòng)力學(xué)研討會(huì)論文集[C];2009年
3 李海艷;杜濤;何宜軍;;風(fēng)對(duì)內(nèi)波SAR影像的影響[A];中國(guó)海洋學(xué)會(huì)2005年學(xué)術(shù)年會(huì)論文匯編[C];2005年
相關(guān)博士學(xué)位論文 前1條
1 孫建;SAR影像的海浪信息反演[D];中國(guó)海洋大學(xué);2005年
相關(guān)碩士學(xué)位論文 前2條
1 寧凱;基于SAR影像反演山區(qū)森林郁閉度的方法研究[D];西南交通大學(xué);2014年
2 李英會(huì);基于時(shí)間序列高分辨率SAR影像的地表形變監(jiān)測(cè)技術(shù)研究[D];遼寧工程技術(shù)大學(xué);2012年
，
本文編號(hào)：1867329
本文鏈接：http://www.sikaile.net/kejilunwen/wltx/1867329.html
本文選題：全極化SAR影像 + 面向?qū)ο蠓诸?/strong>��； 參考：《中國(guó)礦業(yè)大學(xué)學(xué)報(bào)》2015年05期
【摘要】：面向?qū)ο蠓诸愡^程,首先對(duì)圖像進(jìn)行分割得到對(duì)象,然后將對(duì)象進(jìn)行分類,分割效果直接影響最終分類精度.針對(duì)這一問題,提出一種改進(jìn)的全極化合成孔徑雷達(dá)(SAR)影像面向?qū)ο蠓诸惙椒?在分類時(shí)首先通過計(jì)算各對(duì)象內(nèi)部像元類別比例對(duì)對(duì)象進(jìn)行判斷,若所有類別比例均沒有達(dá)到某個(gè)閾值,則認(rèn)為此對(duì)象存在分割偏差,對(duì)其進(jìn)行基于像元的分類,反之則進(jìn)行面向?qū)ο蠓诸?最后整合像元級(jí)和對(duì)象級(jí)分類結(jié)果.分類算法采用改進(jìn)分類器動(dòng)態(tài)選擇法(ICDS)對(duì)差異性較大的3個(gè)基分類器Wishart、核-KNN和Wishart-KNN進(jìn)行決策級(jí)融合.以AIRSAR,EMISAR的全極化SAR影像為數(shù)據(jù)進(jìn)行分類實(shí)驗(yàn).結(jié)果表明:改進(jìn)算法充分利用了對(duì)象級(jí)和像素級(jí)分類的優(yōu)點(diǎn),從而得到高精度的分類結(jié)果,該算法具有良好的應(yīng)用前景.
[Abstract]:In the process of object oriented classification, the object is segmented first, then the object is classified. The segmentation effect directly affects the final classification accuracy. In order to solve this problem, an improved object oriented classification method for fully polarized synthetic aperture radar (SAR) images is proposed. If the proportion of all categories does not reach a certain threshold, then the segmentation deviation of the object is considered, and the object based classification is carried out. Otherwise, the object oriented classification is carried out, and the results of pixel and object level classification are finally integrated. The improved classifier dynamic selection method (ICDSs) is used to fuse the three base classifiers, namely, Wishart, Kernel KNN and Wishart-KNN. The full polarization SAR image of AIRSARY EMISAR is used as the data for classification experiment. The results show that the improved algorithm makes full use of the advantages of object level and pixel level classification, and obtains high precision classification results. The algorithm has a good application prospect.
【作者單位】： 國(guó)土環(huán)境與災(zāi)害監(jiān)測(cè)國(guó)家測(cè)繪地理信息局重點(diǎn)實(shí)驗(yàn)室中國(guó)礦業(yè)大學(xué);宜春學(xué)院數(shù)學(xué)與計(jì)算機(jī)學(xué)院;江蘇省地理信息技術(shù)重點(diǎn)實(shí)驗(yàn)室南京大學(xué);
【基金】：國(guó)家自然科學(xué)基金項(xiàng)目(41171323) 中國(guó)地質(zhì)調(diào)查局地質(zhì)調(diào)查工作項(xiàng)目(1212011120229,12120115040601) 江蘇高校優(yōu)勢(shì)學(xué)科建設(shè)工程項(xiàng)目(SZBF2011-6-B35)
【分類號(hào)】：TN957.52
【相似文獻(xiàn)】
相關(guān)期刊論文 前10條
1 竇建方;陳鷹;;基于數(shù)學(xué)形態(tài)學(xué)和相位編組SAR影像道路自動(dòng)提取[J];遙感信息;2008年05期
2 竇建方;陳鷹;;基于數(shù)學(xué)形態(tài)學(xué)和相位編組SAR影像道路自動(dòng)提取[J];測(cè)繪科學(xué);2009年02期
3 單子力;王超;張紅;;基于優(yōu)化活動(dòng)輪廓模型的SAR影像海陸分割方法研究[J];計(jì)算機(jī)應(yīng)用研究;2011年06期
4 劉俊怡;李德仁;李微;梅新;;一種基于均值比率和最佳熵的SAR影像邊緣檢測(cè)方法[J];武漢大學(xué)學(xué)報(bào)(信息科學(xué)版);2007年06期
5 徐川;華鳳;眭海剛;陳光;;多尺度水平集SAR影像水體自動(dòng)分割方法[J];武漢大學(xué)學(xué)報(bào)(信息科學(xué)版);2014年01期
6 謝鋒;陳映鷹;林怡;;一種新的SAR影像中目標(biāo)準(zhǔn)確提取方法[J];計(jì)算機(jī)應(yīng)用;2007年S2期
7 張晰;張杰;紀(jì)永剛;;基于紋理特征分析的遼東灣SAR影像海冰檢測(cè)[J];海洋科學(xué)進(jìn)展;2008年03期
8 王冬紅;王番;周華;劉智;;SAR影像的幾何精糾正[J];遙感學(xué)報(bào);2006年01期
9 萬紫;王新;劉江;;基于簡(jiǎn)化定位模型的高分辨率SAR影像模擬方法研究[J];測(cè)繪工程;2014年06期
10 黃國(guó)滿,郭建坤,趙爭(zhēng),肖洲,仇春平,呂京國(guó);SAR影像多項(xiàng)式正射糾正方法與實(shí)驗(yàn)[J];測(cè)繪科學(xué);2004年06期
相關(guān)會(huì)議論文 前3條
1 孟俊敏;張自歷;張杰;;利用SAR影像研究臺(tái)灣東北部?jī)?nèi)波的激發(fā)源及時(shí)空分布特征[A];中國(guó)科學(xué)院海洋科學(xué)青年學(xué)術(shù)研討會(huì)暨2001年海洋湖沼科學(xué)青年學(xué)者論壇論文摘要集[C];2001年
2 陳旭;秦朝峰;;水平運(yùn)動(dòng)小球生成內(nèi)波的仿真SAR影像[A];第九屆全國(guó)水動(dòng)力學(xué)學(xué)術(shù)會(huì)議暨第二十二屆全國(guó)水動(dòng)力學(xué)研討會(huì)論文集[C];2009年
3 李海艷;杜濤;何宜軍;;風(fēng)對(duì)內(nèi)波SAR影像的影響[A];中國(guó)海洋學(xué)會(huì)2005年學(xué)術(shù)年會(huì)論文匯編[C];2005年
相關(guān)博士學(xué)位論文 前1條
1 孫建;SAR影像的海浪信息反演[D];中國(guó)海洋大學(xué);2005年
相關(guān)碩士學(xué)位論文 前2條
1 寧凱;基于SAR影像反演山區(qū)森林郁閉度的方法研究[D];西南交通大學(xué);2014年
2 李英會(huì);基于時(shí)間序列高分辨率SAR影像的地表形變監(jiān)測(cè)技術(shù)研究[D];遼寧工程技術(shù)大學(xué);2012年
，本文編號(hào)：1867329
本文鏈接：http://www.sikaile.net/kejilunwen/wltx/1867329.html
