| 一种改进的全极化SAR图像MCSM-Wishart非监督分类方法 |
| |
| 引用本文： | 陈军,杜培军,谭琨. 一种改进的全极化SAR图像MCSM-Wishart非监督分类方法[J]. 国土资源遥感, 2015, 0(2): 15-21 |
| |
| 作者姓名： | 陈军 杜培军 谭琨 |
| |
| 作者单位： | 1. 中国矿业大学国土环境与灾害监测国家测绘地理信息局重点实验室,徐州,221116
2. 中国矿业大学国土环境与灾害监测国家测绘地理信息局重点实验室，徐州 221116; 南京大学江苏省地理信息技术重点实验室，南京 210023 |
| |
| 基金项目： | 国家自然科学基金项目“基于集成学习的星载全极化SAR图像分类与信息解译”，江苏省自然科学基金项目“多尺度遥感信息协同处理与城市人居环境评价”，江苏高校优势学科成果( |
| |
| 摘 要： | 针对H/Alpha/A-Wishart非监督分类算法存在的未充分提取SAR图像极化信息和分类精度低等问题,引入多分量散射模型(multiple-component scattering model,MCSM)分解,提出了一个适用于全极化SAR图像非监督分类的MCSM-Wishart算法。首先对全极化SAR图像进行MCSM分解,提取体散射、二次散射、螺旋体散射、表面散射和线散射极化信息,采用迭代自组织数据分析技术(iterative self-organizing data analysis technique,ISODATA)的非监督分类算法进行聚类;然后通过基于描述多视协方差矩阵的复Wishart分布的迭代分类得到分类结果。以南京溧水和盐城滨海湿地的ALOS PALSAR图像为研究数据,比较了H/Alpha-Wishart算法、H/Alpha/A-Wishart算法、MCSM-Wishart算法和监督-Wishart算法4种分类方法。研究结果表明,MCSM-Wishart分类算法在效率、总体准确率和Kappa系数等指标上均较原始分类器有一定的提高;将ISODATA聚类算法应用于复Wishart分布的迭代分类器中,可有效提高分类的精度。
|
| 关 键 词： | 全极化SAR图像 复Wishart分布 H/Alpha/A分解 多分量散射模型(MCSM)分解 迭代自组织数据分析技术(ISODATA) 聚类算法 |
An improved unsupervised classification scheme for polarimetric SAR image with MCSM-Wishart |
| |
| CHEN Jun,DU Peijun,TAN Kun. An improved unsupervised classification scheme for polarimetric SAR image with MCSM-Wishart[J]. Remote Sensing for Land & Resources, 2015, 0(2): 15-21 |
| |
| Authors: | CHEN Jun DU Peijun TAN Kun |
| |
| Affiliation: | CHEN Jun;DU Peijun;TAN Kun;NASG Key Laboratory of Land Environment and Disaster Monitoring,China University of Mining and Technology;Jiangsu Provincial Key Laboratory of Geographic Information Science and Technology,Nanjing University; |
| |
| Abstract: | |
| |
| Keywords: | polarimetric SAR image complex Wishart distribution H/Alpha/A decomposition multiple-compo-nent scattering model( MCSM ) decomposition iterative self-organizing data analysis( ISODATA) clusting algo-rithm |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
