武汉市近20年土地利用/覆被变化遥感监测与分析

为探究武汉市土地利用时空变化特征,基于Landsat遥感影像数据,从土地利用动态度、土地利用状态指数两个方面分析了武汉市2000—2019年的土地利用时空变化格局.结果表明:①武汉市水域面积直线下降,下降速度较稳定,平均年缩减率为1.76％;而建设用地面积逐年增加,由市中心向四周呈"辐射式"扩张,增速逐渐减缓;②耕地和林地的状态指数均表现为先增后减的趋势,都在2005—2010年达到峰值0.4左右;建设用地和水域的状态指数变化整体比较稳定,分别在0.2、-0.2处波动变化,这表明建设用地呈扩张的趋势,而水域则呈缩减的趋势.     

基于最优极化相干系数的倾斜建筑物解译研究

基于Freeman_Durden分解的全极化SAR影像分类方法能够较好地保持地物极化散射特性,但在分类的过程中,不能改变初始散射机制,导致分解结果对分类精度影响很大。在Freeman_Durden分解中,排列方向相对雷达飞行方向不平行的建筑物(简称为倾斜建筑物)常被分为体散射类型,使得该类建筑物往往被误分为植被。通过分析建筑物在SAR影像中的后向散射特性,利用建筑物具有较高相干性的特点,引入最优极化相干系数,在目标分解的基础上通过阈值分割将两者区分开来,进而提高反射非对称性人工目标的分类效果。通过使用E-SAR系统在德国DLR附近Oberp-faffenhofen地区获取的L波段PolInSAR影像和国内X-SAR系统在海南陵水地区获取的X波段PolInSAR影像进行试验,证明该方法能够有效地将与雷达飞行方向不平行的建筑物与森林区分开。     

提高无控制点星载SAR影像的定位精度研究

针对无控制点情况下星载SAR地面目标高精度定位问题,提出在整个成像条带中任选一景SAR影像,并基于全球DEM数据生成模拟的SAR影像,然后通过自动或半自动匹配方式寻找一个控制点,修正整个条带的轨道参数,从而消除了系统误差的影响,提高了整个SAR条带影像的定位精度。     

极化SAR影像弱散射地物统计分类

针对Wishart分类器对功率具有较强的依赖性, 不易区分极化SAR影像上水体、道路、裸土、阴影等弱后向散射地物的问题, 提出一种利用极化目标分解和假设检验的弱散射地物统计分类方法。即在H-α初始化的基础上, 使用似然比检验得出像元与每个类中心的相似性, 并将其作为像元与类中心的距离测度。根据第一类错误概率和统计量的概率分布, 将相似性很小的强散射点归为拒绝类, 减少对分类的影响;对不能显著拒绝的像元归入具有最小统计量的类别中。通过使用E-SAR L波段和Radarsat-2 C波段全极化数据进行实验, 结果表明本文方法有利于弱散射地物极化信息的利用, 能够实现水体、道路、裸露的土壤和阴影等的精确分类。     

极化SAR图像自适应增强Lee滤波算法

精制极化Lee滤波算法以其简单、高效、健壮等优点在极化SAR图像处理解译中得到了广泛的应用。然而,此滤波算法存在明显的缺陷：扇贝效应和虚假细线。对此,本文提出增加一组均匀窗口及一组线性方向窗口,并采用大小自适应窗口机制,在同质度高的区域用大窗口滤波,在同质度低的区域用小窗口滤波,从而使得滤波窗口在形状和尺寸上都能自动适应实际场景。利用机载和星载全极化SAR数据进行的滤波实验结果表明,本文提出的自适应增强Lee滤波算法在同质区域的噪声抑制能力明显优于精制极化Lee滤波算法及改进的Sigma滤波算法,同时在保持点、线等细节信息方面也优于精制极化Lee滤波算法,并且能很好的保持图像中地物的极化散射信息。     

引入规范化圆极化相关系数的保持极化散射特性的分类算法

极化SAR三分量分解中,和SAR视线不垂直的人工建筑物常被分为体散射类型,进而引起建筑物和森林的误分类。针对此不足,利用此类建筑物的反射非对称性,提出了一种引入规范化圆极化相关系数(NC-CC)的保持极化散射特性的分类算法。实验结果表明,本文提出的方法能够将与SAR视线不垂直的人工建筑物从体散射类型中分离出来。     

一种利用Cloude-Pottier分解和极化白化滤波的全极化SAR图像分类算法

提出了一种新的基于Cloude-Pottier分解和极化白化滤波(PWF)的全极化SAR数据分类算法。该算法利用PWF的结果来代替反熵A对复WishartH/α分类结果进行进一步细化,按PWF的值将复WishartH/α分类结果由8类分为16类,然后再次进行Wishart迭代分类。实验结果表明,该算法能有效地提高分类精度,分类结果明显优于常规的复WishartH/α分类结果和复WishartH/α/A分类结果。     

基于Freeman散射熵和各向异性度的极化SAR影像分类算法研究

极化SAR影像中阴影、水体和裸露的耕地3种地物类型有非常相似的极化散射特性,常规基于非相干分解的分类方法难以将其有效地区分。对此,本文引入基于Freeman分解的散射熵Hf和各向异性度Af两个特征参数,并将其用于极化SAR影像分类。首先利用Hf和Af参数将阴影和水体提取出来,然后将其他地物按散射机制分为3大类,并对每一类再次利用Hf和Af参数进行细分,最后通过基于Wishart分布的聚类和迭代分类,得到最终的分类结果。通过利用Radarsat-2在河南登封获取的全极化SAR数据进行试验,表明该算法执行效率高,能够有效地区分阴影、水体和裸露的耕地,并且对其他地物类型也有很好的分类效果。     

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。