版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)
文檔簡介
1、合成孔徑雷達(Synthetic Aperture Radar),它相比較起傳統(tǒng)意義上的以光學(xué)方式為主的遙感方式來說,是一種具有可以全天時全天候監(jiān)測優(yōu)勢的主動式微波遙感技術(shù),這樣的特點可為人們研究地物類型提供更加便利的條件。近年來,隨著SAR分類技術(shù)的發(fā)展,為人們研究氣候條件不好的地區(qū)的地物類型提供了一種新的方式。結(jié)合不同波段全極化SAR影像數(shù)據(jù)極化散射特征的聯(lián)合分類方法作為一種方式,為人們的相關(guān)研究提供了更加豐富的地物信息。
2、 為了探索多波段極化SAR數(shù)據(jù)在地物分類中的潛在應(yīng)用,本文選擇內(nèi)蒙古自治區(qū)根河市為研究區(qū)域,利用星載Radarsat-2 C波段全極化數(shù)據(jù)以及由中國測繪科學(xué)研究院自主研發(fā)的CASM S A R機載P波段全極化數(shù)據(jù),對研究區(qū)域提取極化散射信息并分析得出各自波段的優(yōu)勢,然后進行分類實驗對比,再聯(lián)合多波段極化散射特征進行SVM監(jiān)督分類,得出更加精確的分類結(jié)果。主要工作如下:
1)首先對于星載C波段以及機載P波段的全極化數(shù)據(jù)進行預(yù)處理
3、,包括基于距離多普勒模型的幾何糾正,還有消除相干斑噪聲的濾波處理,為后續(xù)極化處理奠定基礎(chǔ),隨后進行以星載圖像為基準圖像的圖像配準工作,機載數(shù)據(jù)重采樣后即可得出配準影像。
2)分別對兩個波段的全極化數(shù)據(jù)進行兩種方法的極化特征提取,先是提取出圖像的散射角、散射熵以及各向異度結(jié)果并進行初步的分析;再基于非相干極化目標分解模型對圖像進行Freeman3分量分解,得到兩個波段各自的極化特征,并進行一定的分析,初步得到了不同散射特征對于地
4、物的響應(yīng)特性。
3)對兩個波段的數(shù)據(jù)分別進行分類實驗得到分類結(jié)果,對單波段SAR影像實驗分類的結(jié)果進行精度的定量評價,選取合適的極化分解方法。結(jié)合分類的結(jié)果進一步分析,得出三分量中效果較好的散射特征作為多波段聯(lián)合分類的基礎(chǔ)。
4)對比兩個波段由于波長差異而產(chǎn)生的穿透性差異,并結(jié)合散射分量比重圖,對特定區(qū)域進行分析。最后結(jié)合兩個波段各自的優(yōu)勢散射特征,提取特征向量進行基于兩個波段影像數(shù)據(jù)的監(jiān)督分類實驗(SVM),在兩塊
5、區(qū)域的實驗數(shù)據(jù)上進行分類的實驗,并且對分類結(jié)果進行定量的分析,與基于單波段分類精度指數(shù)做對比,得出最后的結(jié)論。
結(jié)果顯示:基于多波段全極化SAR數(shù)據(jù)分類的結(jié)果精度有了明顯的提升,結(jié)合了不同波段各自的優(yōu)勢,最后的分類效果得到有效的提升?;趩尾ǘ畏诸愔写嬖诘腻e分及混淆的情況也得到了有效的改善。分類的總體精度由50%左右提高到了80%以上。這也驗證了本文中基于多波段全極化SAR數(shù)據(jù)的分類方法的可行性,體現(xiàn)了對于研究區(qū)域的分類研究的
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 多波段全極化SAR海冰分類研究.pdf
- 基于稀疏編碼的極化SAR影像地物分類.pdf
- 基于深度RPCA網(wǎng)絡(luò)的極化SAR影像地物分類.pdf
- 基于SVM和散射機理的極化SAR影像地物分類.pdf
- 基于CNN特征學(xué)習(xí)和SVM的極化SAR影像地物分類.pdf
- 基于深度ICA網(wǎng)絡(luò)的極化SAR影像地物分類方法研究.pdf
- 基于多特征融合的極化SAR地物分類方法研究.pdf
- 全極化SAR地物分類與極化方位角補償.pdf
- 基于自編碼神經(jīng)網(wǎng)絡(luò)的極化SAR影像地物分類.pdf
- 基于深度脊波神經(jīng)網(wǎng)絡(luò)的極化SAR影像地物分類.pdf
- 基于面向?qū)ο蟮臉O化SAR地物分類.pdf
- 基于稀疏編碼和SVM的極化SAR影像地物分類方法研究.pdf
- 基于稀疏編碼字典和深度學(xué)習(xí)的極化SAR影像地物分類.pdf
- 基于模糊粒子群優(yōu)化和目標分解的極化SAR影像地物分類.pdf
- 基于稀疏表示分類器的極化SAR圖像地物分類.pdf
- 基于特征向量統(tǒng)計的極化SAR地物分類.pdf
- 基于半監(jiān)督學(xué)習(xí)的極化SAR地物分類.pdf
- 基于深度RBF網(wǎng)絡(luò)的SAR影像地物分類.pdf
- 基于地物散射特性分析的機載極化SAR分類研究.pdf
- 基于深度SVM和深度小波神經(jīng)網(wǎng)絡(luò)的極化SAR影像地物分類.pdf
評論
0/150
提交評論