改进面向对象的Ka波段SAR影像分类研究

Research on Improved Object-oriented Classification Using Airborne Ka-Band SAR Images

Ka波段波长为9 mm,由于其波长较短,因此成像过程中能够获取长波段无法获取的丰富的纹理信息。然而由于合成孔径雷达(Synthetic Aperture Radar,SAR)影像只有单一波段,因此一般的分类方法不适用于SAR影像。本文采用改进面向对象的分类方法对Ka波段SAR影像进行分类实验。实验过程中,首先利用Lee滤波对影像进行降噪处理。然后分别利用多尺度分割算法和Fullλ-Schedule算法对影像进行分割和合并处理。基于上述分割和合并的结果,结合可见光数据和实际踏勘数据训练像素样本。最后,论文采用改进分类器动态选择法进行了决策级融合,获取得到最终分类结果。论文利用陕西阎良地区的机载Ka波段数据进行了分类实验,并且结合“资源三号”多光谱数据以及野外调研数据对分类结果进行精度评价。实验表明,使用内符合精度进行评判时,采用改进面向对象分类方法的Ka波段SAR影像分类精度可以达到94.81%,光学影像的分类精度可以达到94.89%。使用外符合精度进行评判时,Ka波段SAR影像的分类精度可以达到97.52%,光学影像的分类精度可以达到97.03%。综上所述,改进面向对象的分类方法可用于Ka波段SAR影像分类,并具有良好的应用前景。