目标分解的极化SAR影像分割算法

针对斑点噪声严重的高分辨率SAR数据开展智能化影像分割方法研究的不足,该文基于面向对象的思想和极化SAR目标分解理论,提出基于目标分解的面向对象SAR影像分割算法,实现了Pauli基分解分割、Krogager基分解分割、Freeman基分解分割这3种典型的SAR目标分解下的影像分割方法。实验结果表明:所提出的不同极化基下的分割算法取得的结果较为理想、精度高,且整体上具有一致性;对于不同类型的特定目标,Pauli基分解分割算法对道路等表面散射体分割效果较好,Freeman基分解分割算法则更有利于植被等体散射体的分割。     

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。     

基于多尺度图分解的极化SAR图像分割算法

本文提出了一种基于多尺度图分解的极化SAR图像分割算法。该算法首先构造亲和矩阵,得到无向连接图,然后通过对数据进行多尺度采样,构造多尺度连接图,最后结合规范切准则,引入并行处理思想,实现数据的快速有效分割。其中在构造亲和矩阵时除了利用强度和轮廓参数,还兼顾极化SAR数据的特性,引入了反Wishart距离。最后分别利用星载和机载极化SAR数据进行对比实验,验证了算法的可行性和有效性。     

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。     

植被高度的极化干涉互协方差矩阵分解反演法

经典三阶段极化干涉SAR植被高反演算法中地面散射相位估计不准确,从而导致植被高反演精度存在偏差。针对这一关键问题,本文提出基于极化干涉互协方差矩阵分解的植被高度反演新方法。该方法利用Freeman分解理论和极化干涉互协方差矩阵,估计出更准确的地面散射相位;然后,结合RVOG模型反演植被高度。利用欧空局（ESA）的软件PolSARpro模拟的L波段极化SAR数据和亚马逊森林地区的ALOS PALSAR L波段数据进行实验,结果表明本文提出的新算法提取的植被高度相比经典三阶段法精度更高,从而验证了算法的有效性和可靠性。     

一种综合多特征的全极化SAR图像分割方法

提出了一种综合利用极化特征、统计特征和几何形状特征的全极化SAR图像分割方法。该方法采用分形网络演化算法思想,基于相干矩阵Pauli分解构建对象间的极化特征相似性准则,根据相干矩阵的Wishart分布假设构建对象间的统计特征相似性准则;制定对象合并过程中多特征的综合策略,通过极化特征增强及权重调整统一各类特征异质度的水平,最终建立全极化SAR图像多特征综合分割流程。实验结果表明,该方法能有效抑制斑点噪声,地物边界分割准确,特别是对具有均质纹理的农田、水体等分割效果较好。     

基于均值漂移和谱图分割的极化SAR影像分割方法及其评价

提出了一种基于均值漂移和谱图分割的极化SAR(PolSAR)影像分割方法。首先,通过均值漂移算法对PolSAR影像进行过分割处理,并基于Wishart统计分布和假设检验的方法构建边缘检测器,充分利用了PolSAR影像的全极化信息提取边缘信息;然后,在过分割和边缘信息的基础上构建相似性度量矩阵,并采用归一化割准则实现PolSAR影像的分割。该算法充分利用了均值漂移算法过分割的特点,降低了谱图分割算法的运算代价,并结合谱图分割算法全局优化的优点改善了PolSAR影像的分割结果;最后,利用Radar-sat-2全极化影像进行了实验,并采用改进的分割效果评价方法实现了精度评价。实验表明,该算法有效地实现了PolSAR影像的分割,显著提高了谱图分割算法的效率,分割结果优良,分割精度优于eCognition软件中的多尺度分割方法。     

极化干涉SAR森林树高提取算法的对比分析

在对极化干涉SAR森林树高反演的DEM差值算法、相干相位-幅度综合反演算法进行分析的基础上,对基于极化干涉相干优化方法的改进算法进行了探讨。利用黑龙江大兴安岭地区的一对ALOS全极化干涉SAR数据进行实验,并对比分析各算法的反演结果。结果表明,在使用改进的算法进行森林树高反演时可以获取精度较高的反演结果,并且在一定程度上提高了森林树高反演的稳定性,为森林树高反演工作的业务化运行提供一定的依据。     

粒子群优化算法在全极化SAR影像非监督分类中的应用

极化SAR影像高维数以及高分辨率带来的大数据量特点使得影像分类的复杂度不断增加。粒子群优化(PSO)算法作为新型进化计算技术,具有强大的全局寻优能力。本文研究了一种基于PSO算法的极化SAR影像的分类方法。该方法首先利用H/α方法对数据进行基于散射机理的初分类;然后利用分类结果对PSO算法进行初始化;最后采用PSO对极化SAR数据迭代分类。实验采用NASA-JPL实验室的极化SAR数据以及中国电子科技集团X波段原型样机的高分辨率数据。结果表明,H/α-PSO分类方法较H/α-Wishart分类精度及目视效果均有所提高。