基于层次Gamma混合模型的高分辨率SAR影像分割方法

为了准确地对高分辨率合成孔径雷达(SAR)影像内像素强度统计分布建模并得到高精度的分割结果,提出基于层次Gamma混合模型(HGa MM)的高分辨率SAR影像分割方法.HGa MM由多个Gamma混合模型构成,用于对非对称、重尾和多峰等复杂的像素强度统计分布建模.为了减少影像噪声对分割的影响,采用马尔科夫随机场建模像素标号场,将像素邻域位置关系引入HGa MM.根据贝叶斯理论,利用后验分布构建影像分割模型.马尔科夫链蒙特卡罗算法用于模拟影像分割模型.在模拟和真实SAR影像上的分割实验表明,文中方法可得到较高精度的分割结果.

基于Sentinel-1A数据的随机森林武穴市水体信息提取

水是人类赖以生存的重要基本条件,自动提取水体可以快速得到水体的分布情况,对水资源调查和洪涝灾害评估具有重要意义。在恶劣条件下,雷达影像较光学影像有很大优势,但是斑点噪声和阴影道路的存在会造成误分现象。只考虑雷达强度影像进行水体提取无法解决以上的误分现象。为此,引入对比度、差异性、熵、角二阶矩和同质性5种图像纹理特征,并联合雷达强度影像和数字高程模型构建了随机森林模型。实验表明:该模型可以有效地解决斑点噪声、阴影道路对最终提取结果的影响,一定程度上也减少了山体阴影造成的误分,其分类的总体精度和Kappa系数分别达到99.73%和0.9966,水体的用户者精度和生产者精度相同,都为99.51%。