计算机应用
計算機應用
계산궤응용
COMPUTER APPLICATION
2014年
5期
1473-1476,1490
,共5页
合成孔径雷达%对象%极化表征矩阵%收敛性%极化分解
閤成孔徑雷達%對象%極化錶徵矩陣%收斂性%極化分解
합성공경뢰체%대상%겁화표정구진%수렴성%겁화분해
Synthetic Aperture Radar (SAR)%object%coherent matrix%convergence%polarimetric decomposition
面向对象方法已成为全极化合成孔径雷达(SAR)影像处理的常用方法,但是极化分解仍以组成对象的像素为计算单元,针对以像素为单位的极化分解效率低的问题,提出一种面向对象的极化分解方法.通过散射相似性系数加权迭代,获得对象的极化表征矩阵并对其收敛性进行了分析,以对象极化表征矩阵的极化分解代替对象区域内所有像素的分解,提高极化特征获取效率.在此基础上,综合影像对象空间特征,并通过特征选择与支持向量机(SVM)分类进行分析和评价.通过AIRSAR Flevoland影像数据实验表明,面向对象的分解方法能够减少对象极化特征提取的时间,同时提高地物目标的分类精度.相对于监督Wishart方法,提出方法的总体精度和Kappa值分别提高了17％和20％.
麵嚮對象方法已成為全極化閤成孔徑雷達(SAR)影像處理的常用方法,但是極化分解仍以組成對象的像素為計算單元,針對以像素為單位的極化分解效率低的問題,提齣一種麵嚮對象的極化分解方法.通過散射相似性繫數加權迭代,穫得對象的極化錶徵矩陣併對其收斂性進行瞭分析,以對象極化錶徵矩陣的極化分解代替對象區域內所有像素的分解,提高極化特徵穫取效率.在此基礎上,綜閤影像對象空間特徵,併通過特徵選擇與支持嚮量機(SVM)分類進行分析和評價.通過AIRSAR Flevoland影像數據實驗錶明,麵嚮對象的分解方法能夠減少對象極化特徵提取的時間,同時提高地物目標的分類精度.相對于鑑督Wishart方法,提齣方法的總體精度和Kappa值分彆提高瞭17％和20％.
면향대상방법이성위전겁화합성공경뢰체(SAR)영상처리적상용방법,단시겁화분해잉이조성대상적상소위계산단원,침대이상소위단위적겁화분해효솔저적문제,제출일충면향대상적겁화분해방법.통과산사상사성계수가권질대,획득대상적겁화표정구진병대기수렴성진행료분석,이대상겁화표정구진적겁화분해대체대상구역내소유상소적분해,제고겁화특정획취효솔.재차기출상,종합영상대상공간특정,병통과특정선택여지지향량궤(SVM)분류진행분석화평개.통과AIRSAR Flevoland영상수거실험표명,면향대상적분해방법능구감소대상겁화특정제취적시간,동시제고지물목표적분류정도.상대우감독Wishart방법,제출방법적총체정도화Kappa치분별제고료17％화20％.
