当前位置: 首页 > 文章 > 基于极化分解和集成学习的PolSAR影像分类 农业工程学报 2020,36 (16) 134-141
Position: Home > Articles > PolSAR image classification based on polarimetric decomposition and ensemble learning Transactions of the Chinese Society of Agricultural Engineering 2020,36 (16) 134-141

基于极化分解和集成学习的PolSAR影像分类

作  者:
肖艳;王斌;姜琦刚;闻雅
单  位:
吉林省长春市测绘院;长春工程学院勘查与测绘工程学院;吉林大学地球探测科学与技术学院
关键词:
遥感;分类;集成学习;PolSAR;极化分解;面向对象方法;土地覆被分类
摘  要:
为实现PolSAR数据极化信息的充分利用,以进一步改善分类效果,该研究提出了一种基于极化分解和集成学习的PolSAR影像分类方法.该方法首先利用多种极化分解方法从PolSAR影像中提取极化参数;将提取的极化参数组合成一幅多通道影像;然后对多通道影像进行分割和特征提取,分别提取出各目标极化分解方法所对应的特征;并进行特征选择和分类,得到各目标极化分解方法的分类结果;最后利用集成学习技术对各分类结果进行集成.该研究以吉林省长春市部分区域为研究区,Radarsat2影像为数据源,将提出的方法应用于土地覆被分类中,取得了较好的分类效果,总体精度和Kappa系数分别达到了92.49%和0.90.此外,该研究还将提出方法与其他基于多种极化分解的分类方法进行比较,对比方法的总体精度和Kappa系数分别为90.74%和0.88,比提出方法分别低1.75%和0.02,对比结果进一步证明了提出方法的优越性.
译  名:
PolSAR image classification based on polarimetric decomposition and ensemble learning

相似文章

计量
文章访问数: 9
HTML全文浏览量: 0
PDF下载量: 1

所属期刊

推荐期刊