论文部分内容阅读
极化合成孔径雷达(POLSAR)图像被广泛应用在图像分类中。POLSAR图像中包含着极化、纹理、颜色等多方面特征可作为图像分类的依据,不同的特征是地物目标多方面性质的体现,可为分类提供不同方面的信息。针对仅利用极化特征分类精度不高的问题,提出综合运用极化、纹理、颜色特征可以提高POLSAR图像的分类精度。本文分析了极化、纹理、颜色特征的提取方法,并将纹理和颜色特征与极化特征相结合用于POLSAR图像分类,主要的研究内容包括：(1)基于多种极化目标分解方法得到多个极化参数,组成6个包含不同极化参数的极化特征向量,用于POLSAR图像分类,分析不同的极化特征参数对分类结果的影响。(2)由灰度图提取纹理特征参数组成纹理特征向量,将该纹理特征向量与6个极化特征向量分别结合,构成6个结合了纹理和极化特征参数的特征向量,用于POLSAR图像分类,实验结果表明纹理特征与极化特征的结合可以提高POLSAR图像的分类精度。(3)对灰度图进行伪彩色增强得到伪彩色增强图像提取颜色直方图参数组成颜色特征向量,将该颜色特征向量与6个极化特征向量分别结合,构成6个结合了颜色和极化特征参数的特征向量,用于POLSAR图像分类,实验结果表明颜色特征与极化特征的结合可以提高POLSAR图像的分类精度。(4)将极化、纹理、颜色三类特征结合构成6个特征向量,用于POLSAR图像分类,实验结果表明三类特征结合使用的分类效果最优。极化、纹理、颜色三类特征在POLSAR图像分类中是相互促进的整体作用的过程,纹理特征和颜色特征的加入能有效提高分类精度。