多尺度下的半自动面向对象SAR影像分类

被引：4

作者：

余洁 ^{[1
,2
]}

刘振宇 ^{[1
]}

燕琴 ^{[3
]}

朱腾 ^{[1
]}

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重点实验室

[3] 中国测绘科学研究院

来源：

武汉大学学报(信息科学版) | 2013年 / 38卷 / 03期

关键词：

面向对象; 分割尺度; SAR影像分类; SSVM;

D O I：

10.13203/j.whugis2013.03.001

中图分类号：

TP751 [图像处理方法];

学科分类号：

081002 ;

摘要：

给出了一种评估不同分割尺度的总分类精度,搜寻最高精度分类结果的半自动面向对象SAR影像分类方法。首先训练像素样本;然后利用分水岭分割SAR数据的幅度影像,基于极化散射特征合并初始分割区域,得到不同尺度下的影像分割结果,利用样本坐标确定分割区域,计算各区域内强度、散射角、熵、反熵以及相干矩阵的最大特征值(λ1)等特征的平均值。将上述平均值作为分类特征以训练对象样本;再利用SSVM执行分类,通过评估不同分割尺度下的分类结果,搜寻最高总分类精度。该方法在减少人为干预的条件下,半自动搜寻到了适合分类的分割尺度,解决了尺度选择问题,实现了面向对象的SAR影像分类。采用该方法对荷兰Flevoland地区的SAR影像进行了实验。结果表明,本文方法的总分类精度达到了93.32%,与基于像素的分类精度(76.52%)相比,精度得到了提高。

引用

页码：253 / 256+261 +261

页数：5

共 5 条

[1] 应用分水岭变换与支持向量机的极化SAR图像分类 [J].

巫兆聪 ;

欧阳群东 ;

胡忠文 .

武汉大学学报(信息科学版), 2012, 37 (01) :7-10+72+127

[2] 多项式光滑的支撑向量机 [J].

袁玉波 ;

严杰 ;

徐成贤 .

计算机学报, 2005, (01) :9-17

[3] 分水岭变换在遥感影像线状特征提取中的应用 [J].

梅天灿 ;

李德仁 ;

秦前清 ;

不详 .

武汉大学学报(信息科学版) , 2004, (04) :338-341

[4]

SSVM: A Smooth Support Vector Machine for Classification[J] . Yuh-Jye Lee,O.L. Mangasarian. Computational Optimization and Applications . 2001 (1)

[5] Watershed-based hierarchical SAR image segmentation [J].

Li, W ;

Bénié, GB ;

He, DC ;

Wang, S ;

Ziou, D ;

Gwyn, QHJ .

INTERNATIONAL JOURNAL OF REMOTE SENSING, 1999, 20 (17) :3377-3390

← 1 →