论文部分内容阅读
极化SAR（PolSAR）是近些年较为前沿的合成孔径雷达技术之一。PolSAR影像分类是PolSAR应用研究中的热点问题，研究和挖掘PolSAR影像包含的极化信息，发展高可信的PolSAR分类方法，具有重要的理论意义和应用价值。但由于传统的基于像元的分类方法容易受到雷达相干斑噪声的影响，分类结果较差。因此，发展面向对象的PolSAR影像分类显得尤为重要。本文针对PolSAR影像面向对象分类方法的研究现状，着重于发展能充分利用PolSAR影像极化信息，适应极化SAR数据特点的影像分割算法，并在此基础上研究面向对象的PolSAR影像分类方法。本文提出了一种基于均值漂移和谱图分割的PolSAR影像分割算法。该算法首先通过均值漂移算法对PolSAR影像进行过分割，并基于Wishart统计分布和假设检验的方法构建边缘检测器，充分利用了PolSAR影像的全极化信息提取边缘信息；然后在过分割和边缘信息的基础上构建相似性度量矩阵，并采用归一化割准则实现PolSAR影像的分割。该算法充分利用了均值漂移算法过分割的特点，降低了谱图分割算法的运算代价，并结合了谱图分割算法全局优化的优点改善了PolSAR影像的分割结果；最后，利用Radarsat-2全极化影像进行了实验，并采用改进的分割效果评价方法进行了精度评价。实验表明，本文提出的算法有效地实现了PolSAR影像的分割，显著提高了谱图分割算法的效率，分割结果优良。基于上述分割算法，本文分别提取了高空间分辨率PolSAR影像的极化特征和纹理特征，并结合SVM分类器进行了面向对象分类方法的研究。纹理特征采用两种方法提取，一种是传统的灰度共生矩阵（GLCM）方法，另一种是基于极化SAR非高斯统计分布模型的纹理度量因子RK。本文利用国产的高空间分辨率机载C-波段PolSAR影像数据，进行了分类实验。相关结果表明：（1）基于对象的分类方法能够有效避免基于像元方法―椒盐‖现象的影响，降低类别间的混分比例，分类的总精度比基于像元方法高20%以上；（2）在分类过程中加入纹理信息，能够有效的提高分类精度；（3）RK纹理与GLCM纹理特征相比更加适合面向对象的高空间分辨率PolSAR影像分类，因为RK纹理特征是基于极化SAR非高斯统计模型提取得到，并且计算更加简单。