机载X波段极化干涉SAR数据非监督分类方法研究

针对经典极化分类算法在处理机载X波段SAR数据时将过多地物分为体散射类型,并且容易受噪声影响,分类结果存在大量误分现象的问题,通过对机载X波段SAR数据非监督分类方法的研究,提出将极化干涉信息用于机载X波段极化干涉SAR数据的分类。通过运用极化干涉数据进行目标分解得到参数A1和A2对数据进行初始分类,然后结合改进的Wishart最大似然分类算法来进行地物的自适应分类。实验结果表明,该方法能有效避免平地效应的影响,抗噪性好,能正确区分三种典型散射类型,分类效果明显优于极化分类效果。     

混合三角网极化干涉SAR影像配准

以常用SAR影像三步配准法为基础,针对国产机载X波段极化干涉SAR影像的变形特点,提出了一种分块格网与三角网相结合的极化干涉SAR配准方法。首先,在影像分块的基础上利用最大-次大相干系数识别不可靠点;再用三角网限制配准误差传播;最后,进行配准模型系数求解。实验结果表明,所提出的改进方法相比于普通方法,提高了极化干涉SAR影像的配准精度,有效地改善了主辅影像的干涉质量,适用于新型国产机载极化干涉SAR数据的后处理。     

散射特性引导的极化SAR图像多尺度分割

为满足不同地物分割的尺度需求,本文提出一种散射特性引导的极化SAR图像多尺度分割算法。该算法以分水岭初始分割为基础,通过迭代合并相邻区域获取极化SAR图像在不同尺度下的分割结果;以极化散射功率为特征,将地物按尺度相似性划分成表面散射、二次散射和体散射3种散射类型;以分割质量评价为指导,从多尺度分割结果中为每种散射类型地物选取适宜的分割尺度并进行叠置合成,形成最终分割结果。ESAR系统获取的L波段极化SAR数据验证了该算法的可行性。     

星载C波段与机载P波段全极化SAR影像地物分类方法

目前中国的环境形势十分严峻,对于环境的监测及保护已经成为当务之急。利用合成孔径雷达(SAR)全天候的工作能力,配合星载C波段以及机载P波段的全极化数据信息,对内蒙古根河地区的地物展开分类研究,相比于单波段的分类结果有一定的改善,可以得到较为精确的分类结果,为之后的地理国情以及环境监测提供了有效的支持,也解决了单波段无法充分利用极化信息的弊端,为以后的研究提供资料。     

CCD 几何偏差模型的多波段遥感影像配准

多波段光学遥感影像配准是遥感卫星地面预处理中的关键环节,其精度决定了遥感数据产品的质量.一般使用波段间图像灰度相关匹配来实现多波段影像的配准.然而,该类方法的配准精度受地物特征影响较大,海面、港口、沙漠等地物特征不明显存在影像无法配准的现象.本文以北京一号(BJ-1) 小卫星多光谱影像的波段配准为研究对象,建立多波段线阵CCD 各探元在CCD 扫描方向和卫星飞行方向的几何偏差模型,来计算多波段影像间同名像元在图像行和列方向上的位置偏差,进而拟合出一个固定的波段配准模型来实现多波段影像的亚像元配准.该方法已应用于BJ-1 和DMC_UK2 小卫星多光谱影像的地面预处理波段配准中,配准误差小于0.5 像元,具有良好的应用效果.     

基于SAR数据的鄱阳湖水体提取及变化监测研究

以C波段Envisat ASAR和L波段ALOS PALSAR交替极化模式的数据为数据源,分析了鄱阳湖主要地物的散射特性,并分别引入纹理特征和不同极化通道间的极化差和极化比等参数增强地物的表征;应用主成分变换对地物的参数向量进行特征提取,增强水体与其他地物的差异,并在第一主成分中选择适当阈值,准确提取出不同时期的鄱阳湖水体信息。实验表明,用上述方法提取水体信息的精度比直接使用地物后向散射系数的监督分类法提取精度要高得多。通过分析和对比上述不同波段SAR数据中水体与其他类别间的Jeffries-Matusita距离可以看出,C波段SAR数据提取鄱阳湖水体的精度比L波段高。并给出了鄱阳湖水体在2007年春、夏和冬3个季节中水域面积的动态变化情况。     

面向城市地物分类的L波段SAR影像极化特征提取与分析

针对ALOS PALSAR全极化数据提取了多种极化特征,分析其对人工地物、裸地、农田、林地、水体5种典型地物的提取能力。实验结果表明,利用全极化SAR影像提取的极化特征可以较好地区分城市典型地物类型,并且全极化数据的地物区分能力优于双极化数据。对于单一时相的数据分类结果而言,人工地物与其他非人工地物的极化特征差别最大,水体与林地也较容易区分,而裸地和农田容易混淆。     

高分辨率遥感影像波段配准误差试验分析

高分辨率遥感影像波段间配准误差是影响影像质量及其应用精度的重要因素之一。配准误差指标要求是影像传感器研发中 的一项重要参数。为准确分析配准误差对遥感应用的影响程度，在试验研究中利用多项式模型模拟各种配准误差的图像，并从几何 精校正、目视解译、非监督分类实验及数据融合等角度分析了不同波段配准误差情况下对遥感应用的影响，提出了遥感应用中对高 空间分辨率卫星影像的波段配准指标要求。     

结合BRF神经网络的全极化SAR影像分类方法研究

为了解决模糊支持向量机(FSVM)算法应用于全极化SAR影像分类而产生的聚类中心陷入局部过适应问题,本文提出了一种基于模糊分割理论结合RBF神经网络的全极化SAR影像分类方法。主要利用模糊聚类分割、极化分解、纹理特征提取等,构建待分类地物特征集,并通过SGE进行监督降维,采用降维后的待分类地物极化表征完成RBF分类器训练,实现全极化SAR影像监督分类。最终通过C波段Randsat-2全极化SAR数据进行实测检验,结果表明,该方法使得分类结果区域一致性增强,充分地保存了待分类地物细节信息。     

利用SVM的全极化、双极化与单极化SAR图像分类性能的比较

支持向量机(SVM)以其在小训练样本时良好的分类性能,目前已广泛应用于多个领域.本文在极化SAR图像特征提取基础上,将SVM应用于极化SAR图像分类,定性和定量地比较了全极化、双极化和单极化SAR图像的分类性能,分析了不同的极化组合对分类结果的影响,并根据地物极化散射特性分析了分类精度差异的成因.实测极化SAR数据的实验结果表明,全极化数据能获得最好的分类性能,双极化次之,单极化最低,且在某些情况下,双极化与全极化分类性能接近.