地形信息辅助下的全极化SAR数据土地覆盖分类

提出了地形参数辅助全极化SAR数据土地覆盖分类的方法,基于规则判断的决策树分类法,建立了全极化SAR数据的H/α-Wishart初步分类结果和地形参数的相关规则,对初步分类结果进行后处理,获得了精度较高的土地覆盖分类结果。以淮北地区为研究区,对全极化SAR数据的H/α-Wishart初步分类结果进行了分析,选取易混淆的土地覆盖类型样本,通过样本统计量确定DEM高程、坡度2种地形参数的阈值,设计决策判断规则,对初步分类结果进行了处理。试验结果表明,该方法能有效地提取出研究区内的水体、山地、林地、建设用地、耕地、未利用地6种土地覆盖类型,水体与建设用地、建设用地与山地的阳面、林地与山地阳面的混淆程度得到很大程度的改善,区分度增大。

基于TerraSAR-X全极化数据的北极地区海冰信息提取

北极地区海冰既受全球气候变化的影响,同时也影响着全球气候的变化,因此,北极地区已成为研究全球气候变化的热点区域之一。然而,由于北极地区环境恶劣,传统的实地勘测方法成本高,且难度较大。遥感技术,特别是合成孔径雷达(SAR)和全极化SAR技术的迅速发展,为北极地区海冰信息的提取提供了更加有效的数据获取方法。以TerraSAR-X全极化数据为基础,采用SEATH(separability and thresholds)面向对象影像分析方法,评估各种极化特征用于提取北极地区海冰信息的能力,并通过分类实验对其结果进行验证。研究表明:|VV|,T11和SPAN等极化特征对海冰具有较好的区分度,这将为大范围的北极地区海冰信息提取以及海冰监测卫星的参数设计提供理论基础。

基于极化SAR数据的图像分类识别算法

利用公开的全极化SAR数据,研究基于SAR图像的检测、极化分解和识别算法。首先根据四个线极化通道合成伪彩色图像,从而对场景进行初步认知。利用一维距离像分析全极化各通道的信噪比强度,通过对目标进行Pauli分解得到目标的奇次散射分量和偶次散射分量,从而完成对海杂波、建筑物和舰船的相干分量的研究。

光学协同合成孔径雷达数据的森林类型分类研究

为探究光学数据和合成孔径雷达(Synthetic Aperture Radar,SAR)数据在森林类型分类中的优势和互补性,以云南省普洱市思茅区的Landsat 8数据与微波遥感SAR影像ALOS2数据相交覆盖区域为研究区,采用分层分类技术进行森林类型分类研究。构建3种特征集,光学数据特征集(光谱+植被因子+纹理+地形特征)、SAR特征集(后向散射+极化分解特征)、光学-SAR融合数据特征集(光谱+植被因子+纹理+地形+后向散射+极化分解特征),并使用递归特征消除法(Recursive Feature Elimination,RFE)对提取的3种特征集分别进行分层特征筛选,再用随机森林(Random forest,RF)、支持向量机(Support Vector Machine,SVM)对森林类型分类,光学-SAR融合数据SVM的分类效果最好。结果表明,1)在第1层(植被/非植被)分类时,总体精度为98.57%,Kappa系数为0.971;2)在第2层(森林/非森林植被)分类时,总体精度为92.14%,Kappa系数为0.826;3)在第3层(针/阔/混交林)分类时,总体精度为83.47%,Kappa系数为0.743。融合数据相比于光学数据集分类精度提高9.91%,比SAR分类精度提高24.97%;4)在融合数据集进行第3层次的分类中,对比不同窗口3×3、5×5、7×7、9×9下的光学图像纹理特征对分类结果的影响,7×7纹理窗口下精度最高。结果表明,多源数据协同的森林类型分类精度相比于单一数据源精度更高。

基于极化SAR图像的目标特性研究

利用公开的全极化SAR数据,研究基于SAR图像的检测、目标特性的研究。首先根据四个线极化通道合成的伪彩色图像,对场景进行初步认知。利用圆极化基和线极化基的转换公式,将线极化SAR数据转换为圆极化基下的极化散射矩阵,完成对人造目标和自然目标互易性的判断。对目标四个线极化通道一维距离像的信噪比分析,验证了不同极化基下交叉极化分量与同极化分量的信噪比强度。