论文部分内容阅读
极化合成孔径雷达(Polarimetric Synthetic Aperture Radar,PolSAR)利用四个极化通道可以获得地物目标丰富的极化散射信息,在其众多应用中,极化SAR数据地物分类是最主要的应用领域之一。许多已有的极化SAR数据地物分类方法虽然能够取得不错的分类结果,但是它们都是直接在一组特征集上进行数据分析和分类器设计,且在分类过程中没有考虑极化SAR数据的空间关系。这都可能使分类结果不好,尤其是在分类高分辨率极化SAR数据时。本文主要研究基于散射特性和空间特性的极化SAR地物分类方法,在原有分类方法基础上提出了两种改进方法:1.提出了一种极化SAR数据地物分类方法:基于多特征集的极化SAR地物分类。在该方中采用新的极化特征分析策略——多特征集策略,即对比分析多组非相关极化特征矢量集,在其基础上设计分类器,以改进原有分析一组极化特征集的分类方法。为了验证该策略的有效性,本章改进了原有Wishart迭代分类器——在两组非相关极化特征矢量集上,使用K-MEANS聚类分析,为Wishart分类器选择可分度高的训练样本。高可分度的训练样本不仅加速了Wishart分类器的收敛过程,使其迭代次数大为减少,而且分类器的分类正确率也有所提高,分类后数据的区域一致性更好。真实极化SAR数据实验验证了本章多特征集策略的有效性。2.提出了一种极化SAR数据地物分类方法:基于空间特征和统计特性的极化SAR地物分类。已有的分析极化SAR数据空间关系的地物分类方法在分类前和(或)分类后直接在分类结果中引入分类标号的空间约束,取得了比基于像素的分类方法更好的分类结果。本章从新的角度——在极化特征空间上引入数据的空间约束,设计在分类过程中引入数据空间关系的分类器。为了验证该方法的有效性,本章改进了原有Wishart迭代分类器——通过双边滤波方法在Wishart距离特征上引入极化SAR数据的空间约束,最后分类。改进的Wishart分类器保留了原有分类器的特点,还较好的克服分类器易受相干斑噪声影响的缺点,而且分类后数据的区域一致性更好。真实极化SAR数据实验验证了本章方法的有效性。