基于超像素与Span-Pauli分解的SAR影像分类

被引：9

作者：

朱腾 ^{[1
]}

余洁 ^{[1
,2
,3
]}

李小娟 ^{[2
,3
]}

燕琴 ^{[4
]}

机构：

[1] 武汉大学遥感信息工程学院

[2] 首都师范大学资源环境与地理信息系统北京市重点实验室

[3] 首都师范大学资源环境与旅游学院

[4] 中国测绘科学研究院

来源：

华中科技大学学报(自然科学版) | 2015年 / 43卷 / 07期

关键词：

合成孔径雷达; 超像素; 分水岭分割; Pauli分解; 非监督分类;

D O I：

10.13245/j.hust.150716

中图分类号：

P237 [测绘遥感技术]; TP751 [图像处理方法];

学科分类号：

070404 [天体测量学]; 080201 [机械制造及其自动化];

摘要：

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.

引用

页码：77 / 81

页数：5

共 8 条

[1]

基于核独立成分分析的极化SAR图像相干斑抑制 [J].