论文部分内容阅读
极化合成孔径雷达(PolSAR)可以获得地表覆盖物的散射机制，包括介电性质、粗糙程度、形状结构等。一方面，充分利用散射机制之间的差异，可以实现对地表覆盖物的分类;另一方面，充分挖掘极化散射机制，有助于分析地表覆盖物的内在物理特性。因此，结合散射机制的极化SAR分类在植被面积变化检测、灾害评估、城市规划、海洋监测等众多方面都拥有广阔的应用前景。 本文总结了极化SAR分类方法的发展，第一大类是直接对应散射机制的极化特征分类，第二大类是能够提高分类精度的图像处理分类。虽然这两类方法已经有一定的结合，但对于极化特征的处理大多属于图像级，无法分析地表覆盖物的散射机制。本文的主要工作，是在保留完整散射机制的同时，利用图像处理技术改善分类精度，方法的应用对象是地表覆盖物相似且复杂的植被场景。 极化特征研究。对复杂植被场景的极化SAR特征做了大量的分析和研究，比较了经典散射平面分类、1维特征自适应阈值分类、2维特征平面分类对植被的区分效果，发现2维特征平面的效果最佳。针对2维特征的联合使用，研究了特征集的精简与筛选方法，采用3种度量方式对极化特征进行量化和排序，既得到了分类特征的选用依据，也得到了反馈调整优化特征的选用依据。 分类器研究。为了支撑2维特征平面参与分类，并保留相应的散射机制，选择结构简单的决策树作为分类器。首先，分析决策树模型并构造了纯度判据，使其能够基于各种复杂的边界算法，实现最优分支的选择，从而获得最优类别。然后，在该判据的基础上，建立了适用于2维特征平面的决策树分支准则和分支停止准则，获得了良好的植被分类精度。最后，基于分类结果的混淆矩阵，利用决策树本身结构的可视性，定位了导致目标类误差的节点，并实现了目标类精度的反馈调整。 流程及其优化的研究。建立了基于多维极化特征和决策树的层次分支方法，简化并实现了分支对象的快速寻找，同时自适应的确定每个分支使用的特征维数，对2维决策树分支进行了优化和扩展。该方法包含两个阶段的流程，第一个阶段，确定分支的类别对象和使用的特征维数;第二个阶段，计算分支所使用的特征组合。采用AIRSAR-Flevoland数据实验获得了良好的植被分类精度，并对目标类的精度进行了3种方式的反馈调整。最后，依据分支过程和分类结果，分析了不同地物的相似与差异、有效特征和散射机制。