-
题名一种结合纹理特征的极化SAR图像SVM分类方法
被引量:2
- 1
-
-
作者
沈璐
权亚楠
禹哲珠
马宏宇
-
机构
长白山科学研究院
长白山生物群落与生物多样性吉林省联合重点实验室
鞍山电力勘测设计院
-
出处
《北京测绘》
2018年第10期1235-1239,共5页
-
文摘
目前,基于目标分解特征的传统极化SAR图像分类方法,通常不能满足使用者对精度的需求,因此有必要进一步提高其分类精度。纹理特征是提高地物辨识度的重要特征,将目标分解与其结合可以有效增加特征向量在分类中的作用,改善极化SAR分类过程中精度低的问题,因此,本文提出一种结合纹理特征的极化SAR图像分类方法。实验结果表明,在不同的特征向量中,结合纹理特征后,各类地物的分类精度以及总体分类精度均有不同程度提高。
-
关键词
极化合成孔径雷达(SAR)图像分类
目标分解
纹理特征
支持向量机(SVM)
-
Keywords
polarimetric Synthetic Aperture Radar (SAR) image classification
target decomposition
texture features
Support Vector Machine (SVM)
-
分类号
P237
[天文地球—摄影测量与遥感]
-