基于极化分解和集成学习的PolSAR影像分类

• 作者: 姜琦刚 王斌 肖艳 闻雅
• 来源期刊: 农业工程学报
• 学科: 农学
• 关键词: 遥感 分类 集成学习 PolSAR 极化分解 面向对象方法 土地覆被分类
• 年，卷（期）: 2020,（16）
• 所属期刊栏目: 农业信息与电气技术
• 页码范围: 134-141
• 页数: 8页
• 分类号: TP75|S127
• 语种: 中文
• DOI: 10.11975/j.issn.1002-6819.2020.16.017

摘要

为实现PolSAR数据极化信息的充分利用,以进一步改善分类效果,该研究提出了一种基于极化分解和集成学习的PolSAR影像分类方法.该方法首先利用多种极化分解方法从PolSAR影像中提取极化参数;将提取的极化参数组合成一幅多通道影像;然后对多通道影像进行分割和特征提取,分别提取出各目标极化分解方法所对应的特征;并进行特征选择和分类,得到各目标极化分解方法的分类结果;最后利用集成学习技术对各分类结果进行集成.该研究以吉林省长春市部分区域为研究区,Radarsat2影像为数据源,将提出的方法应用于土地覆被分类中,取得了较好的分类效果,总体精度和Kappa系数分别达到了92.49％和0.90.此外,该研究还将提出方法与其他基于多种极化分解的分类方法进行比较,对比方法的总体精度和Kappa系数分别为90.74％和0.88,比提出方法分别低1.75％和0.02,对比结果进一步证明了提出方法的优越性.