發(fā)布時間：2024-07-06 12:24

　　不同于一般分類算法基于像素統(tǒng)計的分類,忽略了地物的散射特性,文中提出了一種保持地物散射特性的分類方法。這種方法將Singh提出的Singh四分量分解與基于復Wishart分布的最大似然分類器相結合,對高分三號全極化影像進行分類。利用Singh四分量分解獲得表面散射、體散射、二次散射和螺旋體散射,然后將前3種基礎散射分別劃分為多個聚類,根據(jù)復Wishart距離進行類間合并,直到獲得指定類別數(shù),輸入復Wishart分類器進行迭代分類,最后進行類別合并獲得最終分類結果。試驗表明本文算法具有較好的分類效果且驗證了利用高分三號全極化衛(wèi)星數(shù)據(jù)進行影像分類的可行性。

【文章頁數(shù)】：4 頁

【部分圖文】：

圖2分類結果

圖1研究區(qū)極化分解彩色合成對所有的散射類別進行類別合并，最終將研究區(qū)分為植被、水體、建筑和農(nóng)田4大類，如圖3所示。

圖1研究區(qū)極化分解彩色合成

圖2為Yamaguchi-Wishart分類與文中所提算法分類的結果圖。從目視效果來看，兩種分類方法對于水體和農(nóng)田區(qū)域都有較好的分類效果，與實際地物覆蓋比較吻合。圖2(a)與圖2(b)對于植被的劃分差異較大，由于樹干與地面會形成二面角散射，因此以體散射為主的植被通常會產(chǎn)生多種散射....

圖3類別合并結果

對所有的散射類別進行類別合并，最終將研究區(qū)分為植被、水體、建筑和農(nóng)田4大類，如圖3所示。表1為文中分類方法的分類精度評價，從表1中可以看出基于Singh四分量分解的分類算法在各類別的分類精度均優(yōu)于Yamaguchi-Wishart分類方法，其中對于植被和建筑的分類精度分別提高了3....

本文編號：4002550