基于流形学习的高分SAR图像建筑区提取方法

• 作者: 刘岳明 崔师爱 程博
• 来源期刊: 国土资源遥感
• 学科: 工学
• 关键词: 高分SAR图像 流形学习 自适应邻域选择的邻域保持嵌入(ANSNPE) 建筑区提取
• 年，卷（期）: 2017,（4）
• 所属期刊栏目: 技术方法
• 页码范围: 48-56
• 页数: 9页
• 分类号: TP751.1
• 字数: 6534字
• 语种: 中文
• DOI: 10.6046/gtzyyg.2017.04.09

摘要

高空间分辨率(简称"高分")SAR图像具有高维非线性特点,以高维空间蕴含的低维流形描述SAR图像,会更有利于目标识别.将流形学习应用到高维SAR目标识别的特征表达中,提出一种新的高分SAR图像建筑区提取方法.首先,对高分SAR图像进行预处理;然后,采用灰度共生矩阵(gray level co-occurrence matrix,GLCM)提取8种纹理特征,与灰度图像共同构建SAR图像的高维特征集;利用自适应邻域选择的邻域保持嵌入(adaptive neighborhood selection neighborhoods preserving embedding,ANSNPE)算法对高维特征集进行特征提取,提取出新的特征;最后,通过阈值分割及后处理提取建筑区,并进行精度评价.选择TerraSAR-X数据进行实验研究,结果表明,ANSNPE算法能够从高分SAR图像中有效提取建筑区,并具有较强的泛化能力;通过训练数据获得的投影矩阵可直接应用到新样本中,建筑区提取精度达85%以上.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	崔师爱	中国科学院遥感与数字地球研究所	2	1	1.0	1.0
5	程博	中国科学院遥感与数字地球研究所	12	36	3.0	5.0
6	刘岳明	中国科学院遥感与数字地球研究所	7	9	2.0	2.0