检索结果-南通市图书馆

地球信息科学学报 2021年第4期23卷 723-736页

作者：赵泉华冯林达李玉辽宁工程技术大学测绘与地理科学学院遥感科学与应用研究所阜新123000

快速、准确的湿地地物分类是实现湿地精准监测的基础。为进一步研究湿地地物显著极化特征对分类结果的影响,提出了基于最优极化特征组合的SAR影像湿地分类方法。该方法利用箱型图等方式,在特征选择因子等准则下从多种极化分解方法选择... 详细信息

快速、准确的湿地地物分类是实现湿地精准监测的基础。为进一步研究湿地地物显著极化特征对分类结果的影响,提出了基于最优极化特征组合的SAR影像湿地分类方法。该方法利用箱型图等方式,在特征选择因子等准则下从多种极化分解方法选择最优极化特征进行组合,并在此基础上实现分类。首先,为了简化极化合成孔径雷达(Polarimetric Synthetic Aperture Radar, PolSAR)影像并降低其斑点噪声,对互易处理后的极化SAR影像进行多视化和精致Lee滤波。然后,进行6种极化分解,得到多种极化特征。再之,利用箱型图、Cloude-Pottier平面散点图和均值散点图详尽分析上述极化特征和双台河口湿地典型地物散射机制间的相关性,并据此在特征选择因子、特征判断因子、H/α平面等和均值标准差的准则下选择最优极化特征组合。最后,以上述最优极化特征组合为输入,设计支持向量机(Support Vector Machine, SVM)分类器,实现湿地的最优分类。本文以辽宁省盘锦市辽河入海口双台河口湿地为例,采用2016年7月的C波段Radarsat-2全极化数据验证最优极化特征组合的有效性。结果表明:①Cloude-Pottier分解的H、A和α、MCSM(Multiple-Component Scattering Model)分解的表面散射、Pauli分解的T33与Yamaguchi3分解的表面散射和二面角散射为最优极化特征;②使用最优极化特征组合不仅可以减少极化特征冗余,还可以提高各湿地地物的生产者精度、分类总精度及Kappa系数,其中各湿地地物的生产者精度提高1%~5%,分类的总精度可达到94.25%,Kappa系数达到93.63%。

关键词：双台河口湿地极化分解特征提取极化特征分析极化特征选择湿地分类支持向量机 SAR影像

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于GF-3全极化SAR数据的滨海湿地信息提取方法

引用

自然资源遥感 2021年第4期33卷 105-110页

作者：何陈临秋程博陈金奋张晓平中国科学院空天信息创新研究院北京100094 中国科学院大学北京100049

滨海湿地信息提取对于准确掌握滨海湿地分布现状、保护与管理滨海湿地珍稀资源具有重要意义。通过可分性指数筛选极化分解特征并利用随机森林法对全极化SAR影像进行分类,以提高滨海湿地保护区地物信息提取精度。选取辽宁省辽河口湿地自... 详细信息

滨海湿地信息提取对于准确掌握滨海湿地分布现状、保护与管理滨海湿地珍稀资源具有重要意义。通过可分性指数筛选极化分解特征并利用随机森林法对全极化SAR影像进行分类,以提高滨海湿地保护区地物信息提取精度。选取辽宁省辽河口湿地自然保护区作为研究区域,基于国产高分三号全极化雷达影像,采用5种极化目标分解方法提取极化特征,利用可分性指数优化特征选择,最后利用随机森林法进行辽河口自然保护区地物分类及精度评价。实验结果表明,基于优化选择的极化特征地物分类精度可达75.47%;优化选择后的极化特征参数能够有效避免信息冗余,提高滨海湿地保护区地物信息提取精度。

关键词：滨海湿地高分三号极化特征选择

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

多特征全极化合成孔径雷达的林地和居民地提取

引用

测绘科学 2014年第12期39卷 65-69页

作者：陈启浩刘修国陈奇中国地质大学(武汉)信息工程学院武汉430074

针对传统全极化合成孔径雷达(SAR)图像信息提取方法存在的问题,结合林地、居民地的散射机理,文章提出了一种综合多特征(多种极化特征、几何形状和尺度特征)的全极化SAR林地和居民地信息提取方法。该方法采用分形网络演化算法实现综合多... 详细信息

针对传统全极化合成孔径雷达(SAR)图像信息提取方法存在的问题,结合林地、居民地的散射机理,文章提出了一种综合多特征(多种极化特征、几何形状和尺度特征)的全极化SAR林地和居民地信息提取方法。该方法采用分形网络演化算法实现综合多特征的多尺度分割;基于对象选择极化特征并制定分类规则来提取林地和居民地。实验结果表明,该方法能有效提取研究区的林地和居民地,结果明显优于H-α-A-Wishart分类方法。

关键词：多尺度分割极化特征选择对象分类

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

面向积雪识别的SAR极化分解与特征优选

面向积雪识别的SAR极化分解与特征优选

引用

作者：郭金金南京大学

学位级别：硕士

积雪是冰冻圈具有多重属性的组成部分,也是地表最为活跃的自然要素之一。积雪是入射太阳辐射的高反射体,影响地面能量的收支平衡,对于全球或局地气候具有正反馈作用。季节性积雪是干旱、半干旱地区主要的淡水资源,在国民经济建设与区域... 详细信息

积雪是冰冻圈具有多重属性的组成部分,也是地表最为活跃的自然要素之一。积雪是入射太阳辐射的高反射体,影响地面能量的收支平衡,对于全球或局地气候具有正反馈作用。季节性积雪是干旱、半干旱地区主要的淡水资源,在国民经济建设与区域协调发展中具有重要作用。及时准确地获取积雪覆盖信息,对于促进气候变化研究、融雪径流模拟、水资源合理利用等具有重要意义。遥感技术是目前获得大范围积雪时空分布信息的唯一有效途径,尤其合成孔径雷达的发展为积雪识别研究提供了新的手段。极化合成孔径雷达能够提供丰富的积雪极化特征,在积雪识别中展现出一定潜力。本文依据国家自然科学基金项目“SAR与高分辨率光学遥感联合反演雪水当量”(项目编号41271353)对SAR图像积雪识别的研究需求,确定论文的研究目标为:以新疆天山玛纳斯河流域典型区域作为研究区,采用C波段全极化RADARSAT-2数据,以积雪微波散射特性为理论依据,通过目标分解方法提取极化特征,利用积雪极化特征开展SAR积雪识别研究工作,探究对积雪识别贡献较大的极化特征在积雪识别中的作用。本文的主要研究内容和研究结论如下:(1)积雪SAR图像表征分析。利用RADARSAT-2数据获取的四种极化方式后向散射系数图像,分析了积雪和非积雪在不同后向散射系数中的差异;以Pauli分解获取的三种基本散射分量,分析了积雪和非积雪覆盖区域的极化散射响应。结果表明:无论是积雪期还是融雪期,在相同的下垫面和入射角条件下,积雪后向散射系数均小于非积雪后向散射系数,可据此实现积雪的识别;在Pauli基假彩色图像中,积雪和非积雪表现出不同的散射机制,为SAR积雪识别提供了可能性。(2)SAR图像极化特征提取。利用单视复数数据计算极化散射矩阵和相干矩阵,并对两种矩阵分别利用相干目标分解方法和非相干目标分解方法,获取积雪SAR图像极化特征。目标分解方法是SAR积雪极化特征提取的有效手段,能够获取多种对积雪和非积雪区域具有区分能力的极化特征,且每种极化特征都有具体的物理意义,代表不同散射机制,对积雪和非积雪区域的表达能力各异,需要进一步从中选择对积雪识别有用的极化特征。(3)积雪识别最优极化特征选择。基于SAR图像表征分析,结合提取的积雪极化特征训练随机森林模型,对积雪极化特征的重要性程度进行排序,选择最优极化特征子集,并进一步从散射机制角度,探讨不同极化特征在积雪识别中的作用。研究表明:不同极化特征在积雪识别中的重要性程度不同,因此对极化特征进行优选非常必要;利用随机森林方法选择的最优极化特征子集,具有较强的积雪识别能力,结果表明,VanZyl和Freeman分解体散射分量、Krogager分解二面角散射分量、相干矩阵参数T33、伪概率P3、H(1-A)、二次反射特征值相对差异度DERD、极化比PF及总功率Span在两时期积雪识别中的作用较大,可作为最优极化特征子集进行积雪识别。论文基于C波段RADARSAT-2全极化数据,对积雪进行SAR图像表征分析,利用目标分解技术充分挖掘积雪SAR图像特征,引入集成学习中的随机森林方法,对目标分解的极化特征进行选择,对不同极化特征在积雪识别中的重要性程度进行评估,探索了不同极化特征在积雪识别中的作用,为解决极化SAR图像积雪识别问题提供了新思路,具有一定的技术方法创新性。

关键词：玛纳斯河流域 RADARSAT-2 极化目标分解极化特征选择积雪识别

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于正交高斯随机矩阵的极化SAR稀疏表示分类

基于正交高斯随机矩阵的极化SAR稀疏表示分类

引用

作者：冯林达辽宁工程技术大学

学位级别：硕士

极化合成孔径雷达(Polarimetric Synthetic Aperture Radar,Pol SAR)影像具有全天时、全天候及广覆盖等优势,其多极化通道可提供更为丰富的地物散射信息,充分利用这些信息有助于提高对各类复杂地面目标的分类精度。稀疏表示分类(Sparse ... 详细信息

极化合成孔径雷达(Polarimetric Synthetic Aperture Radar,Pol SAR)影像具有全天时、全天候及广覆盖等优势,其多极化通道可提供更为丰富的地物散射信息,充分利用这些信息有助于提高对各类复杂地面目标的分类精度。稀疏表示分类(Sparse Representation Classification,SRC)算法具有算法简单、易于设计和实现等优点,是当前主流影像分类方法之一。但在SRC算法设计中仍存在诸如,测量矩阵不满足严格限制等距(Restricted Isometry Property,RIP)条件、未考虑高维稀疏表示系数向量的非负性等问题,导致其分类精度较低。为了解决上述问题,提出了基于正交高斯随机矩阵(Orthogonal Gaussian Random Matrix,OGRM)的Pol SAR稀疏表示分类(OGRM＿SRC)算法。具体研究内容如下,(1)为了使SRC算法满足RIP条件,提出OGRM＿SRC算法以实现Pol SAR影像的精准分类。首先,为了降低斑点噪声对Pol SAR影像分类的影响,对互易化后的Pol SAR影像进行多视处理和Refined Lee滤波。为了提取极化特征,采用四种极化分解方法极化分解去噪后Pol SAR影像,从而得到极化特征影像。然后,为使SRC算法满足RIP条件,将高斯随机矩阵与正交矩阵相乘计算得到OGRM。基于极化特征和OGRM在极化特征影像中选取典型地面目标样本构建观测字典。结合观测字典,利用正交匹配追踪(Orthogonal Matching Pursuit,OMP)算法计算得到极化特征影像中待分类像素的非负高维稀疏表示系数向量。最后,计算待分类像素相对于观测字典中每个原子的残差,并将最小重构残差作为分类标准,运用OGRM＿SRC算法进行分类,得到最终的分类结果并进行精度评价。(2)为进一步提高OGRM＿SRC算法的分类精度,对极化特征进行分析与选择,确立最优极化特征组合。在四种极化分解的基础上,利用箱型图、Cloude-Pottier平面散点图和均值散点图分析提取的极化特征和研究区域典型地面目标散射机理间的相关性,并依据特征选择因子、特征判断因子、H/α平面、A/α平面、A/H平面和均值标准差等准则选择最优极化特征进行组合。以上述最优极化特征组合为输入,利用OGRM＿SRC算法,实现地面目标的精准分类并完成精度评价。该论文有图22幅,表17个,参考文献79篇。

关键词：地面目标分类正交高斯随机矩阵稀疏表示正交匹配追踪极化特征分析极化特征选择 PolSAR影像

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：