基于特征值和Singh分解的全极化Radarsat-2图像分类

• 作者: 姜腾龙 庄喜阳 张宇 曲永超 赵书河
• 来源期刊: 地理空间信息
• 学科: 地球科学
• 关键词: 全极化SAR图像分类 Singh分解 Cloude分解 极化总功率 SVM
• 年，卷（期）: 2016,（5）
• 所属期刊栏目: 3S 技术应用
• 页码范围: 60-63
• 页数: 4页
• 分类号: P237
• 字数: 2864字
• 语种: 中文
• DOI: 10.3969/j.issn.1672-4623.2016.05.019

摘要

基于模型的分解发展较快，但存在负功率、体散射过估计、未充分利用相干矩阵等问题，考虑到基于模型分解的优点，采用Singh分解提取极化信息，同时用散射角、极化熵和极化总功率进行补充，再利用SVM对山东禹城地区全极化Radarsat-2数据进行分类。为验证该方法的有效性，将其与H/α/A-Wishart和Yamaguchi-SVM两种分类方法进行比较。结果表明，该方法分类效果较好，总体精度分别提高了6.4%和3.48%。