基于SVM的多時相極化SAR影像土地覆蓋分類方法研究.pdf

1、遙感影像分類可以為林業(yè)、農(nóng)業(yè)資源的監(jiān)測評價提供基礎(chǔ)信息，極化合成孔徑雷達（POLSAR）影像分類作為遙感影像分類的重要組成部分在國際遙感領(lǐng)域已受到高度重視。以往關(guān)于POLSAR影像的分類大多基于單時相影像，分類精度總體較低。為解決這一問題，本文研究了基于支持向量機（Support Vector Machine，SVM）的多時相POLSAR影像土地覆蓋分類方法。
　　本研究以大興安嶺地區(qū)十八站林場作為實驗區(qū)，獲取了覆蓋實驗區(qū)的兩景R

2、adarsat-2數(shù)據(jù)和一景SPOT-5數(shù)據(jù)，通過實地調(diào)查獲取了用于驗證分類結(jié)果精度的地面實況數(shù)據(jù)。
　　針對應用SVM進行多時相極化SAR影像分類，本文首先發(fā)展了一種“基于窮舉法與測試精度相結(jié)合的特征選擇方法”，利用兩個時相的Radarsat-2 POLSAR數(shù)據(jù)進行了土地覆蓋分類實驗，結(jié)果表明，所發(fā)展的特征選擇方法與“基于知識的特征選擇方法”和不采用特征選擇的分類方案相比，可獲得更高的分類精度：本文發(fā)展的特征選擇方法的分類精度

3、為84.96％，基于知識的特征選擇方法分類精度為80.28%，無特征選擇的分類精度為65.68%。
　　其次，本文采用相同的SVM分類方法分析評價了兩個不同時相獲取的Radarsat-2極化SAR影像的土地覆蓋分類能力，發(fā)現(xiàn)10.月份影像特征的識別能力要優(yōu)于7月份影像特征的識別能力，10月份的分類精度為73.53%，7月份的分類精度為57.08%。7月份與10月份季節(jié)的SAR數(shù)據(jù)結(jié)合起來進行分類，可以彌補各自識別能力的不足，提高總