基于SVM的POL-SAR图像分类研究

提出了一种将物理散射机理、纹理信息和SVM结合起来用于POL-SAR图像分类的方法。实验数据选取德国Oberpfaffenhofen实验区域(DE)的DLR ESARL波段全极化数据,实验区域包括自然植被,如森林、田地和人造目标如建筑、机场跑道等。首先利用OEC分解得到了散射特征,然后提取HH和HV通道图像的纹理特征,并用SVM进行特征选择及分类。然后在上述特征中加入Freeman分解的散射特征重复试验,取得了较好的结果。试验证明了将散射特征和纹理特征结合起来对地物进行分类是有效的,同时也证明了用SVM进行特征选择的有效性。

基于无人机的丘陵果园病虫害监测系统研究

针对丘陵地区果树种植过程中出现的相关病虫害预防难、监测效率低等问题,课题组通过无人机硬件选型、无人机在丘陵地区的飞行关键技术设计、高光谱成像技术运用、图像分割和共生矩阵纹理特征分析,实现高光谱图像的获取和处理,设计了丘陵果园病虫害监测系统方案。仿真结果表明:相较于传统的航天、航空遥感技术,无人机遥感技术可以高效率地获取空间信息,具有机动灵活、时效性高、简洁安全、经济的优点;无人机载高光谱相机对丘陵果园病虫害进行监测,可以实现对丘陵果园病虫害的及时预防与精准监测。