期刊文献+

基于全极化SAR的广东香蕉识别方法研究

下载PDF
导出
摘要 全极化SAR数据对于广东省多云多雨的气候类型有非常强的地表地物识别优势。以广东省湛江市为例,基于C波段Radarsat-2全极化SAR数据,采用面向对象的分类方法,针对当地大量香蕉种植区域进行识别。对于Radarsat-2全极化SAR数据,利用其多种目标分解信息建立分类规则进行识别,最终实现香蕉空间分布信息的提取。结果表明:C波段Radarsat-2全极化SAR数据在识别香蕉、水稻、甘蔗等方面有很大的优势,而且基于以上分类方法的香蕉分类精度达到了85%以上。
出处 《内蒙古科技与经济》 2015年第3期16-17,21,共3页 Inner Mongolia Science Technology & Economy
  • 相关文献

参考文献6

二级参考文献61

  • 1貟培东,曾永年,历华.多尺度遥感影像融合技术及其算法研究进展[J].遥感信息,2006,28(6):67-71. 被引量:11
  • 2刘湘南,佟志军,刘志明,等.遥感数字图像处理与分析[M].长春:吉林大学出版社,2005.
  • 3Nencini F, Garzelli A, Baronti S, et al. Remote Sensing Image Fusion Using the Curvelet Transform [ J ]. Information Fusion, 2007,8(2) :143 - 156.
  • 4Aiazzi B, Alparone L, Baronti S, et al. Context Driven Fusion of High Spatial and Spectral Resolution Images Based on Over Sampled Multi - resolution Analysis [ J ]. IEEE Transactions on Geoscience and Remote Sensing,2002,40 (10) :2300 - 2312.
  • 5Pohl C, Genderen J L V. Multi - sensor Image Fusion in Remote Sensing: Concepts, Methods and Applications [ J ]. International Journal of Remote Sensing, 1998,19 (5) :823 - 854.
  • 6Solberg A H S,Taxt T,Jain A K. A Markov Random Field Model for Classification of Multi - source Satellite Imagery [ J ]. IEEE Transaction on Geoseience and Remote Sensing, 1996,34 (1): 100 -113.
  • 7Zhang Y. Understanding Image Fusion[ J]. Photogrammetric Engineering and Remote Sensing,2004,70 ( 3 ) :657 - 661.
  • 8Ball G H, HaL1 D J. ISODATA, a Novel Method of Data Analysis and Classification [ R ]. Stanford: Stanford University, 1965.
  • 9Huguenin R L,Karaska M A,Blaricom D V,et al. Subpixel Classi- fication of Bald Cypress and Tupelo Gum Trees in Thematic Mapper Imagery [ J ]. Photagrammetric Engineering and Remote Sensing, 1997,63 (6) :717 - 725.
  • 10Tso B, Mather P M. Classification Methods for Remotely Sensed Data[ M]. New York :Taylor and Francis Inc,2001.

共引文献71

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部