基于极化特征和纹理特征的PolSAR影像建筑物提取方法.docx

基于极化特征和纹理特征的PolSAR影像建筑物提取方法
基于极化特征和纹理特征的PolSAR影像建筑物提取方法
摘要：极化合成孔径雷达（PolSAR）影像具有丰富的信息，对于提取建筑物等地物目标具有很高的潜力。本文提出了一种基于极化特征和纹理特征的PolSAR影像建筑物提取方法。首先，利用极化特征包括极化散射矩阵、幅度图和相位图，在PolSAR数据中提取建筑物区域的初步信息；然后，使用纹理特征包括灰度共生矩阵和小波变换，进一步提取建筑物的边界和细节信息；最后，利用支持向量机（SVM）分类器对提取的特征进行分类，实现建筑物的准确提取。实验结果表明，所提出的方法在PolSAR影像建筑物提取方面具有较高的准确性和鲁棒性。
关键词：极化合成孔径雷达；PolSAR；建筑物提取；极化特征；纹理特征；支持向量机
1.引言
随着合成孔径雷达（SAR）技术的发展，极化合成孔径雷达（PolSAR）影像成为了地球观测中重要的数据源之一。相比传统的单极SAR影像，PolSAR影像不仅提供了目标的散射能力信息，还提供了目标的极化信息，极大地丰富了数据源的内容。因此，PolSAR影像在土地覆盖分类、目标检测、建筑物提取等领域具有很大的潜力。
建筑物提取是PolSAR影像处理中的一个主要任务，也是遥感图像处理中的热点研究方向之一。传统的建筑物提取方法主要是基于光学影像和高分辨率SAR影像，通过图像分割、特征提取等方法实现。然而，这些方法在PolSAR影像中并不直接适用，因为PolSAR影像具有特有的特征，如复振幅信息、较强的斑块噪声等。
因此，本文提出了一种基于极化特征和纹理特征的PolSAR影像建筑物提取方法。首先，通过计算极化散射矩阵辛科夫矩阵和极化幅度矩阵，提取建筑物的初步信息。然后，通过计算极化相位图提取建筑物的边界信息。接着，利用灰度共生矩阵和小波变换提取建筑物的纹理特征。最后，使用支持向量机（SVM）分类器对提取的特征进行分类，实现建筑物的准确提取。
2.方法
2.1极化特征提取
极化散射矩阵包含了PolSAR影像中目标的极化信息。通过计算极化散射矩阵的辛科夫矩阵，可以得到极化特征。此外，极化幅度矩阵还包含了目标的强度信息。通过计算极化幅度矩阵的灰度级和标准差，可以进一步提取建筑物区域。
2.2纹理特征提取
纹理特征对于建筑物的提取非常重要。在本文中，采用灰度共生矩阵和小波变换提取建筑物的纹理特征。灰度共生矩阵能够提取像素间的空间关系，而小波变换则能够提取建筑物的边界和纹理信息。
2.3建筑物提取
在得到极化特征和纹理特征后，使用支持向量机分类器进行建筑物提取。支持向量机是一种常用的分类算法，具有较好的性能和可扩展性。在本文中，采用了线性支持向量机，通过训练样本和测试样本的分类，实现了建筑物的准确提取。
3.实验与结果分析
本文在一个真实的PolSAR影像数据集上进行了实验，评估了提出方法的性能和鲁棒性。实验结果表明，所提出的方法在建筑物提取方面具有较高的准确性和鲁棒性，能够有效地提取出建筑物的边界和细节信息。
4.结论
本文提出了一种基于极化特征和纹理特征的PolSAR影像建筑物提取方法，通过利用极化特征和纹理特征，结合支持向量机分类器实现了对建筑物的准确提取。实验结果表明，所提出的方法具有较高的准确性和鲁棒性。然而，由于PolSAR影像的复杂性，该方法仍然存在一些局限性，需要进一步的改进和研究。
参考文献：
[1]Zhang,S.,Li,D.,Wang,C.,etal.（2016）.AnovelPolSARimageclassificationmethodbasedongreylevelco-occurrencematrixandsupportvectormachine.InternationalJournalofRemoteSensing,37(19),4581-4595.
[2]Li,D.,Zhang,S.,Wang,C.,etal.(2017).BuildingExtractionfromPolSARImagesBasedonGeodesicActiveContourModelandSVM.RemoteSensing,9(2),177.