-
题名基于改进SVM分类法的SAR图像水体面积提取研究
被引量:10
- 1
-
-
作者
邱凤婷
过志峰
张宗科
魏显虎
景睦馨
-
机构
中国科学院空天信息创新研究院
中国科学院大学电子电气与通信工程学院
中国科学院中国—斯里兰卡水技术研究与示范联合中心
宾夕法尼亚州立大学工程学院
中国四维测绘技术有限公司
-
出处
《地球信息科学学报》
CSCD
北大核心
2022年第5期940-948,共9页
-
基金
中国科学院中国—斯里兰卡水技术研究与示范联合中心项目
中国科学院中国—斯里兰卡联合科教中心项目。
-
文摘
在复杂地表环境下的多云多雨地区,基于合成孔径雷达(SAR)图像提取水体时容易受到其它地物如水田、山体阴影等干扰,传统的灰度阈值法和SVM法未能考虑水体与其它地物在纹理和地形上的差异,因此水体提取结果精度较差。研究首先用Refined Lee滤波对SAR图像进行预处理;其后通过DEM建模和坡度计算提取地形特征,通过计算图像灰度共生矩阵以提取纹理特征(包括均匀性、角二阶矩和熵),并结合SAR图像极化信息以及SDWI指数形成针对水体提取的特征空间,通过融合地形特征和图像纹理特征发展了改进SVM分类法的水体提取模型。在使用Sentinel-1 SAR数据对所发展模型与SDWI水体指数法、传统SVM法水体提取结果进行比对后发现,改进SVM分类法提取的水体结果较好地剔除了水田和山体阴影,且提取的水体水面比传统的SVM法更加完整;该方法在总体精度、Kappa系数、漏分率和错分率指标上均优于SDWI法和传统的SVM法,总体精度达到98.06%,比SDWI法和传统的SVM法分别提高了23.24%和5.49%,有效提高了复杂环境下地表水体的提取精度。研究最后将所发展模型应用于2018年马哈韦利河流域逐月水体提取与变化分析,有效解决了山体阴影和水田误分问题。本文提出的改进SVM法可以实现复杂地表环境下大范围水体信息准确、完整提取。
-
关键词
SVM
复杂水环境
Sentinel-1
SAR数据
水体提取
SDWI
地形特征
纹理特征
斯里兰卡马哈韦利河流域
-
Keywords
SVM
complex water environment
Sentinel-1 SAR data
water extraction
SDWI
terrain features
texture features
Sri Lanka Mahaweli River Basin
-
分类号
P237
[天文地球—摄影测量与遥感]
TN957.52
[电子电信—信号与信息处理]
-