摘要
给出了一种评估不同分割尺度的总分类精度,搜寻最高精度分类结果的半自动面向对象SAR影像分类方法。首先训练像素样本;然后利用分水岭分割SAR数据的幅度影像,基于极化散射特征合并初始分割区域,得到不同尺度下的影像分割结果,利用样本坐标确定分割区域,计算各区域内强度、散射角、熵、反熵以及相干矩阵的最大特征值(λ1)等特征的平均值。将上述平均值作为分类特征以训练对象样本;再利用SSVM执行分类,通过评估不同分割尺度下的分类结果,搜寻最高总分类精度。该方法在减少人为干预的条件下,半自动搜寻到了适合分类的分割尺度,解决了尺度选择问题,实现了面向对象的SAR影像分类。采用该方法对荷兰Flevoland地区的SAR影像进行了实验。结果表明,本文方法的总分类精度达到了93.32%,与基于像素的分类精度(76.52%)相比,精度得到了提高。
学科与关键词
关键词
面向对象分割尺度SAR影像分类SSVM object-orientedsegmentation scaleclassification of SAR imagesSSVM
- 基于多特征的SAR图像的无监督分割王庆香; 李迪; 张舞杰计算机科学, 2010, (10): 267-270.被引 16
- 面向对象的高分辨率遥感影像分割分类评价指标吴波; 林珊珊; 周桂军地球信息科学学报, 2013, (04): 567-573.
- 基于SRTM DEM和Landsat TM数据的SAR图像自动地理编码黄燕平; 凌飞龙; 吴波遥感信息, 2013, (03): 58.
