利用单类分类方法提取全极化雷达影像中的建筑物

建筑物是人类赖以生存的基本场所,为人类的各种活动提供容纳空间,建筑物分布信息是当代社会非常重要的信息资源。本文引入单类分类方法,对城市建筑物进行识别提取。文章介绍了基于最小超球支持向量机的单类分类方法,并提取一景全极化SAR影像的多种极化特征,利用该方法进行了建筑物提取实验,结果表明单类分类方法能够融合多种特征快速提取建筑物,且能保证一定的提取精度。     

一种基于Pauli分解和支持向量机的全极化合成孔径雷达监督分类算法

全极化合成孔径雷达(SAR)影像准确分类的一个重要前提是充分提取反映地物实际物理性质的特征。然而现有的全极化SAR特征提取算法和分类算法众多,却均存在各种各样的问题。无论极化特征提取方法还是分类算法,都会影响最终的分类精度。针对此问题,在多次实验的基础上,提出一种综合Pauli极化特征分解和支持向量机(SVM)的分类策略,简称为Pauli-SVM算法。首先通过经典的Pauli分解法提取全极化SAR影像的奇次散射、偶次散射、体散射等极化特征;并将这些信息组合成一个特征向量,然后引入高精度的SVM分类算法,选择训练样本后对全极化SAR影像进行监督分类。在江苏溧水和南京横溪镇两个研究区,以ALOS卫星的PALSAR影像为研究数据,进行监督Wishart分类算法、Freeman特征提取法结合SVM的分类算法、Yamaguchi特征提取法结合SVM的分类算法、Pauli-SVM算法的分类对比实验。结果表明,新提出的PauliSVM算法可以有效地提高分类的准确性。     

一种基于Pauli分解和SVM的全极化SAR监督分类算法

全极化SAR影像准确分类的一个重要前提是充分提取反映地物实际物理性质的特征。然而现有的全极化SAR特征提取算法和分类算法众多,却均存在各种各样的问题。无论极化特征提取方法还是分类算法,都会影响最终的分类精度。针对此问题,在多次实验的基础上,提出一种综合Pauli极化特征分解和SVM的分类策略,简称为Pauli-SVM算法。首先通过经典的Pauli分解法提取全极化SAR影像的奇次散射、偶次散射、体散射等极化特征,并将这些信息组合成一个特征向量,然后引入高精度的SVM分类算法,选择训练样本后对全极化SAR影像进行监督分类。在江苏溧水和南京横溪镇两个研究区,以ALOS卫星的PALSAR影像为研究数据,进行监督Wishart分类算法、Freeman特征提取法结合SVM的分类算法、Yamaguchi特征提取法结合SVM的分类算法、Pauli-SVM算法的分类对比实验。结果表明,新提出的Pauli-SVM算法可以有效的提高分类的准确性。     

基于目标分解的面向对象决策树PolSAR影像分类

为了解决极化合成孔径雷达(Polarization Synthetic Aperture Radar,PolSAR)影像单一分类方法不能充分利用其中的丰富信息问题,结合目标分解理论、面向对象思想和C5.0决策树算法,对PolSAR影像进行多种方式的极化分解,提取包含地物散射机理信息的各种极化参数,并将提取的参数分割为对象,最后,采用C5.0决策树算法进行分类.采用RADARSAT-2全极化SAR数据进行实验,并将分类结果与经典的分类方法进行了对比,证明了本文提出方法的有效性.该成果将在PolSAR影像分类中发挥更大的作用.     

拉布拉多海一年平整冰厚度SAR反演算法

在利用实测一年平整冰厚数据和同步全极化RADARSAT-2 SAR影像、全面分析不同SAR极化参数对海冰厚度敏感度的基础上,发现Alpha角最高;从理论上证实利用两者相关性反演冰厚的可行性,将所得经验方程用于冰厚反演,其结果与实测数据吻合较好;与现有常用方法的反演结果进行对比表明,新方法误差较小;Alpha角可以用于一年平整冰厚度反演,证明全极化SAR海冰信息反演冰厚确有优势。     

震后单幅全极化SAR图像中倒塌建筑提取研究

合成孔径雷达(SAR)以其全天时,全天候对地观测的能力,在地震等灾害应急应用中可以发挥难以替代的作用。针对只有一幅震后全极化SAR图像的应用场合,提出了一种倒塌建筑信息提取方法。该方法从少量样本中提取特征模板,采用基于特征模板匹配的图像检索的思路进行倒塌建筑信息的提取。特征模板是由以下13维特征构成,包括HH、HV、VV三通道幅度特征,基于Cloude分解的H/α/A极化特征,基于Yamaguchi分解的四散射分量,圆极化相关系数,归一化圆极化相关系数以及极化方位角等。选取2010年玉树地震发生后的一景RADARSAT-2全极化SAR数据进行倒塌建筑信息提取试验,结果表明该方法在保证较高检出率的情况下,降低了虚警率。     

高分辨率极化SAR影像KummerU分布非监督分类方法

针对高分辨率极化SAR数据特征分布不再符合同质区域假设, 进而导致基于统计分布的极化SAR影像非监督分类方法精度下降的问题, 将具有广泛适用性的KummerU分布嵌入粒子群寻优聚类算法, 提出了新的极化SAR影像非监督分类算法(PSO-KummerU方法):首先基于极化SAR统计特征对数据进行初分类, 然后采用极化SAR统计特征与粒子群优化算法进一步进行聚类中心求解, 分类准则部分采用KummerU距离改进代替传统的Wishart距离度量准则; 采用3种非监督分类方法(H/α-Wishart、PSO-Wishart、PSO-KummerU方法)进行分类对比实验.实验结果表明:基于KummerU分布的PSO-KummerU方法与采用Wishart距离的聚类方法相比, 目视效果明显改进, 整体分类精度提高14%以上.     

宽带全极化雷达目标HRRP极化特征提取与优选

充分有效地利用全极化雷达目标HRRP极化信息是雷达目标特征提取领域一个热点问题．文中主要研究了宽带全极化雷达目标HRRP的三类极化特征的提取与优选：（1）将SAR领域常用的熵特征引入全极化HRRP中,分析了反映目标HRRP散射随机性的熵特征;（2）根据目标散射矩阵相似性参数理论,定义了目标HRRP与6种标准体散射矩阵相似性参数概率形式描述,并将其作为特征,这类特征反映了目标的物理结构特性;（3）提出了反映目标散射能量特性的Mueller矩阵相似性参数特征,并且证明了该参数特征的旋转不变性．这几类特征具有明确的物理意义．采用飞机目标多个姿态的实测数据进行了特征有效性验证和特征优选,并利用优选后的特征组成特征矢量对飞机目标识别,实验结果表明,提出的HRRP极化特征具有良好的稳健性和可分性．     

宽带全极化雷达目标HRRP极化特征提取与优选

充分有效地利用全极化雷达目标HRRP极化信息是雷达目标特征提取领域一个热点问题.文中主要研究了宽带全极化雷达目标HRRP的三类极化特征的提取与优选:(1)将SAR领域常用的熵特征引入全极化HRRP中,分析了反映目标HRRP散射随机性的熵特征;(2)根据目标散射矩阵相似性参数理论,定义了目标HRRP与6种标准体散射矩阵相似性参数概率形式描述,并将其作为特征,这类特征反映了目标的物理结构特性;(3)提出了反映目标散射能量特性的Mueller矩阵相似性参数特征,并且证明了该参数特征的旋转不变性.这几类特征具有明确的物理意义.采用飞机目标多个姿态的实测数据进行了特征有效性验证和特征优选,并利用优选后的特征组成特征矢量对飞机目标识别,实验结果表明,提出的HRRP极化特征具有良好的稳健性和可分性.     

一种结合极化分解和多尺度MRF的极化SAR数据分类方法

提出一种结合Pauli极化分解和多尺度马尔可夫随机场的极化SAR数据分类方法.该方法先将极化SAR数据进行Pauli极化分解来构造极化SAR特征数据,然后进行3层小波分解,最后进行尺度内和尺度间的迭代分类,获取极化SAR数据的分类结果.NASA/JPL数据的实验结果证明,无论是在地物轮廓保持性上还是地物细节描述性上,该方法效果都比较好.     

基于超像素与Span-Pauli分解的SAR影像分类

针对高分辨率极化合成孔径雷达(SAR)影像解译中面向像素方法难以充分利用影像信息的问题,提出一种基于超像素与Span-Pauli分解的非监督分类方法.利用分水岭方法易于过分割的特点,将分水岭分割得到的特征相似、空间相邻的像素集合视为超像素,并作为分类算法的基本处理单元.利用极化参数Span及Pauli基对极化SAR数据进行迭代分类,以实现适用于高分辨率SAR影像的非监督分类.采用X波段高分辨率SAR数据进行实验,结果表明:基于超像素的分类方法能有效抑制分类结果中的椒盐现象,将总体精度提高到了73.81%;在准确区分水体、道路的基础上,提高了复杂的农作物类别的分类精度.     

基于二维CP-GTD模型的全极化ISAR超分辨成像

针对全极化ISAR成像雷达体制,建立了能够精确描述雷达目标高频电磁极化散射机理的二维相干极化GTD(CP-GTD)模型,提出了基于二维CP-GTD模型的全极化ISAR超分辨成像方法,并在此基础上实现了全极化ISAR散射中心特征提取,从根本上解决了现有方法难以提取散射中心的相干极化信息的难题.与已有方法相比,二维CP-GTD方法的突出优点在于建立了更精确的散射模型,能够准确估计散射中心的相干散射矩阵;此外全极化信息的利用,使得它还具有超分辨成像效果更好、估计精度更高、计算效率更高等优点.通过对实验结果进行非相干性及相干性指标评估分析,验证了二维CP-GTD模型的优越性.     

基于极化合成孔径雷达数据的桥梁检测

为了对遥感合成孔径雷达(SAR)图像中桥梁目标进行自动检测,在极化散射矩阵参数的基础上,提出了一种寻找河流地区对比参数的方法:将总功率、极化熵、相似性参数等参数进行加权组合,利用特征值分析方法求取最优加权系数,从而得到对河流特征敏感的参数组合表达式。进而利用该表达式对河流地区进行了分类实验,对分类结果应用图形形态学方法处理后形成水域模板。在此基础上将水域模板对敏感参数图像覆盖后,对河上桥梁目标进行了自动检测。采用PI-SAR型的雷达的全极化数据进行实验,获得了良好的检测效果,和只使用功率数据进行桥梁检测相比,原来检测不出来的桥梁目标都明显显现出来。实验结果表明,综合利用全极化SAR信息在遥感应用中可以更好的检测和识别目标。     

极化目标分解在目标分类中的应用

极化目标分解是从极化SAR数据中提取目标特征的重要方法,可以将其概括为两大类:基于S inc lair矩阵的相干目标分解和基于Mueller矩阵、相干矩阵、协方差矩阵的部分相干目标分解.利用相干目标分解中的基于Pau li矩阵分解法、Krogager分解法和Cam eron分解法,对实测极化SAR数据进行分类实验,结果表明极化目标分解对于从极化SAR数据中提取目标特征,进而对其进行分类是可行和有效的.     

边缘检测与面向对象结合的高分影像建筑物提取

随着遥感影像分辨率的不断提升,影像中地物目标的细节变得更加清晰。由于早期影像分辨率较低,图像模糊,影像处理主要参考光谱信息,忽略了空间信息,提取精度一般。为了提高高分影像中建筑物的提取精度,充分利用光谱、空间、纹理3类信息,研究了基于面向对象的高分影像建筑物提取,并将基于改进Canny算子的多尺度分割与多规则相结合提取建筑物,最后用样本区验证精度。研究结果表明,该方法对高分影像建筑物的提取效果较好。与常规面向对象相比,方法对建筑物提取精度明显提升,且能更加充分的利用影像的空间信息与纹理信息。     

基于纹理特征的高分辨率合成孔径雷达影像单体建筑物震害信息识别

获取震后建筑物震害信息有利于开展人员救援和灾后重建工作。由于高分辨率合成孔径雷达（SAR）数据少有震前数据存档,利用震后单时相高分辨率SAR数据评估建筑物震害成为研究热点,但利用高分辨率SAR数据对单体建筑物的研究却很少。本文以北川老县城震后0.24mTerraSAR-X聚束模式（ST）数据为数据源,经多视处理后提取建筑物纹理特征,对比分析不同视数大小和纹理计算窗口大小对建筑物震害识别影响,确定最佳纹理计算窗口大小和视数大小。结合震前光学数据,获得SAR单体建筑物轮廓图,随机选取建筑物轮廓样本作为训练样本,引入支持向量机（SVM）和随机森林（RF）分类器识别建筑物震害信息。结果表明,基于纹理特征的SVM、RF方法能有效地识别高分辨SAR影像单体建筑物震害信息,SVM识别精度可达到88.24%,RF识别精度可达到92.47%。可见基于高分辨率SAR数据的纹理特征识别建筑物震害方法稳定有效,可为灾后应急、灾害评估和灾后重建工作提供可靠信息支撑。     

一种基于特征值分解的极化SAR相干斑抑制方法

对于极化SAR图像,可以利用其同极化和交叉极化图像的相关性来进行降斑处理。本文介绍的极化SAR相干斑抑制方法将参数空间划分为正交的两个子空间——信号子空间和噪声子空间,通过保留信号子空间,相干斑被抑制,极化信息被保留。实验结果表明此方法可以有效的抑制相干斑,并且保留了极化信息。     

极化干涉合成孔径雷达技术发展与应用

极化干涉SAR技术是近年SAR遥感领域内的研究热点.本文首先概述了极化干涉SAR技术基本理论,并总结了目前极化干涉SAR技术的应用现状;然后在详细介绍国外ALOS-PALSAR、TerraSAR-X和RADARSAT-2三个典型星载极化SAR系统的基础上,分析了极化干涉SAR技术的应用前景.     

基于极化干涉SAR的植被高度反演算法对比分析

极化干涉SAR综合了干涉SAR和极化SAR的优点,被广泛应用于植被高度的反演。对已有的四种基于极化干涉SAR的植被高度反演算法进行了论述,利用PoLSARpor进行仿真数据实验,对比分析了四种植被高度反演算法的优缺点及其适用范围。最后指出极化干涉SAR技术有待进一步研究的方向和问题。为选取基于极化干涉SAR的植被高度反演算法提供参考。     

基于交叉谱法的C波段机载SAR海浪反演

传统的初猜谱海浪反演方法,需要先使用海浪预报模式来获取初猜谱,其优劣直接影响着反演的精度。为了摆脱对初猜谱的依赖,在不需要先验信息的情况下实现海浪反演,提出了基于交叉谱法的海浪反演方案。该方案采用C波段全极化机载SAR探测数据,利用全极化信息反演海面风矢量,作为WVW算法的风场输入,再通过WVW算法获取海浪谱,进而提取海浪信息。研究结果表明,海浪反演精度得到显著提高,海浪传播180°模糊问题也得到了有效解决。该方案对机载SAR海浪反演业务化应用具有借鉴意义。