简介:全极化SAR影像含有丰富的特征信息,针对单一特征用于分类难以达到满意精度的问题,提出一种基于不同目标分解方法及纹理信息的SVM(SupportVectorMachine,SVM)全极化SAR影像监督分类方法。结果表明,Cloude分解和Yamaguchi分解在极化特征信息提取时各有优势,且都优于Freeman分解效果;Cloude分解和Yamaguchi分解结合作为极化特征信息时,分类总体精度相对较高;纹理信息与极化特征信息在表现地物特性方面具有互补性,结合纹理信息后,分类总体精度提高了4.92%,为90.86%,Kappa系数为0.8754。
简介:高分SAR数据的出现,为基于SAR的应用提供了新的途径.需要探索新的技术方法。SAR与光学影像各自的特点具有较强的互补性,二者的融合可以增强遥感数据的信息利用率。针对新的Cosmo—Skymed高分辨率SAR影像数据.利用增强Lee滤波抑制相干斑影响,在此基础上运用局部标准差融合策略的小波包变换方法.融合SAR和CBERS02多光谱影像,充分结合了各自影像的图像特征.使得在最大限度地保留光谱特性和细节特性的基础上.提高了数据的信噪比,更利于信息的提取。实验表明,经过Cosmo—Skymed与CBERS02数据的融合后的自动分类精度显著提高。分类Kappa系数从0.47提高到了0.93。
简介:摘要:论文 提出一种面向对象和规则的方法对变化的房屋建筑区信息进行提取研究,即通过分析高分辨率遥感影像的光谱、几何、纹理等特征信息,建立针对房屋建筑区的规则集,实现对变化信息的快速提取。
简介:摘要:论文 提出一种面向对象和规则的方法对变化的房屋建筑区信息进行提取研究,即通过分析高分辨率遥感影像的光谱、几何、纹理等特征信息,建立针对房屋建筑区的规则集,实现对变化信息的快速提取。