基于RNMU的多源星载SAR影像融合与土地覆盖分类

作     者：李俐 陈琦琦 张超 尤淑撑 魏海 付雪 LI Li;CHEN Qiqi;ZHANG Chao;YOU Shucheng;WEI Hai;FU Xue

作者机构：中国农业大学土地科学与技术学院北京100083 农业农村部农业灾害遥感重点实验室北京100083 中国国土勘测规划院北京100035 中国农业大学信息与电气工程学院北京100083 

出 版 物：《农业机械学报》 (Transactions of the Chinese Society for Agricultural Machinery)

年 卷 期：2020年第51卷第3期

页      面：191-200页

核心收录：

学科分类：083002[工学-环境工程] 0830[工学-环境科学与工程（可授工学、理学、农学学位）] 08[工学] 09[农学] 0804[工学-仪器科学与技术] 0903[农学-农业资源与环境] 0816[工学-测绘科学与技术] 081602[工学-摄影测量与遥感] 081102[工学-检测技术与自动化装置] 0811[工学-控制科学与工程] 

基　　金：国家重点研发计划项目(2017YFB0502700) 

主　　题：土地覆盖分类 影像融合 高分三号 Sentinel1 递归非负矩阵下近似 

摘      要：为充分利用多时相、多极化SAR数据在不同土地覆盖类型中的后向散射特性,将递归非负矩阵下近似(Recursive nonnegative matrix underapproximation,RNMU)算法引入多源SAR数据的融合,并利用融合后的SAR影像实现较高精度的土地覆盖分类。融合过程中,在根据不同模式SAR影像特点进行多源SAR影像预处理的基础上,基于RNMU算法通过对多个输入SAR影像进行矩阵分解及迭代最优矩阵求解,得到融合影像。为验证融合后SAR影像在土地覆盖分类中的应用效果,以吉林省大安市为研究区,对多时相Sentinel1的VV/VH双极化SAR数据和高分三号(GF3)的HH/HV双极化SAR数据进行了基于RNMU的影像融合,并利用融合后的SAR影像进行研究区主要土地覆盖类型分类。实验结果表明,基于RNMU融合影像的土地覆盖分类总体精度达93.11%,Kappa系数为0.86,与GramSchmid(GS)融合方法相比,分类总体精度提高了6.83个百分点,Kappa系数提高0.12。多源SAR融合为SAR影像融合提供了有效手段,为土地覆盖分类提供了更多高精度的数据资源。