基于极化相似性特征的极化SAR图像的谱分类.docx

基于极化相似性特征的极化SAR图像的谱分类
摘要
极化SAR（SyntheticApertureRadar）图像在遥感领域具有重要的应用价值，因为它能够穿透云层、雾气和树叶等散射体，获取地面的信息。然而，如何精确有效地分类和识别极化SAR图像一直是遥感技术中的研究热点之一。本文针对极化SAR图像的谱分类问题，提出了一种基于极化相似性特征的方法。通过对极化相似性和极化不变特征的研究，建立了一个适用于极化SAR谱分类的特征提取和分类模型。实验结果表明，这种基于极化相似性特征的方法在各项指标上明显优于传统的谱分类方法，具有较好的应用前景。
关键词：极化SAR；谱分类；极化相似性；特征提取
Abstract
PolarimetricSyntheticApertureRadar(SAR)imageryhasimportantapplicationsinremotesensingsinceitcanpenetratethroughclouds,fogandvegetation,toprovidegroundinformation.However,howtoaccuratelyandefficientlyclassifyandidentifypolarimetricSARimageshasbeenaresearchhotspotinremotesensingtechnology.Inthispaper,weproposeamethodbasedonpolarimetricsimilarityfeaturesforspectralclassificationofpolarimetricSARimages.Throughthestudyofpolarimetricsimilarityandpolarimetricinvariantfeatures,afeatureextractionandclassificationmodelsuitableforpolarimetricSARspectralclassificationisestablished.Experimentalresultsshowthatthispolarimetricsimilarityfeaturebasedmethodissignificantlysuperiortotraditionalspectralclassificationmethodsinvariousindicators,andhasgoodapplicationprospects.
Keywords:PolarimetricSAR;Spectralclassification;Polarimetricsimilarity;Featureextraction
一、引言
极化SAR图像是一种基于微波辐射的遥感图像，广泛应用于地表覆盖分类、地球物理探测、海洋遥感等领域。与传统的光学遥感图像不同，极化SAR能够穿透大气和地面的生物固体层，获得具有天气无关性和多视角效应的信息，因此在不受自然干扰的情况下，其获取的数据具有极高的可靠性。极化SAR利用了微波波段的电磁波，同时可以针对物体的较小的形态特征进行探测，尤其适用于对地面的细节部分进行分析。
尽管极化SAR图像具有很多优点，在遥感应用中也具有广泛的应用，但是其在分类识别方面仍然存在一些问题。首先，极化SAR图像的信息量大，分类时难以区分不同类型的物体；其次，极化SAR图像的噪声比较大，在影响分类准确性的同时也增加了难度。因此，如何精确有效地分类和识别极化SAR图像一直是遥感技术中的研究热点。
早期的极化SAR分类方法主要是基于传统的谱分析，即使用像元在不同波段的能量分布和分布特征进行分类。这种方法在利用图像统计和相关性方面有较好的表现，但在差异明显和重合率高的情况下效果较差。为了解决这个问题，一些研究者提出了人工神经网络、支持向量机和决策树等机器学习方法，提高了分类的准确度。然而，这些方法对于噪声和人为干扰的抗干扰能力较弱，不适合处理复杂、多种类型的图像。因此，在研究基于极化相似性的特征提取和分类模型方面具有重要的意义。
本文针对极化SAR图像的谱分类问题，提出了一种基于极化相似性特征的方法，主要包括三个部分：特征提取、分类器构建和实验验证。具体来讲，通过对极化相似性和极化不变特征的研究，本文建立了一个适用于极化SAR谱分类的特征提取和分类模型。实验结果表明，这种基于极化相似性特征的方法在各项指标上明显优于传统的谱分类方法，具有较好的应用前景。
二、极化SAR图像谱分类方法
2.1极化相似性
极化相似性指的是某一类物体在不同极化模态下的散射表现出相似的特征。一般来说，对于同一类物体，其极化特性是具有一定的相似性的，因为物体的极化特性主要受到几何形态、方向、纹理和介质等