不同于一般分類算法基于像素統(tǒng)計(jì)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(fù)Wishart分布的最大似然分類器相結(jié)合,對(duì)高分三號(hào)全極化影像進(jìn)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(chǔ)散射分別劃分為多個(gè)聚類,根據(jù)復(fù)Wishart距離進(jìn)行類間合并,直到獲得指定類別數(shù),輸入復(fù)Wishart分類器進(jìn)行迭代分類,最后進(jìn)行類別合并獲得最終分類結(jié)果。試驗(yàn)表明本文算法具有較好的分類效果且驗(yàn)證了利用高分三號(hào)全極化衛(wèi)星數(shù)據(jù)進(jìn)行影像分類的可行性。

【文章頁(yè)數(shù)】：4 頁(yè)

【部分圖文】：

圖2分類結(jié)果

圖1研究區(qū)極化分解彩色合成對(duì)所有的散射類別進(jìn)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(jié)果圖。從目視效果來(lái)看，兩種分類方法對(duì)于水體和農(nóng)田區(qū)域都有較好的分類效果，與實(shí)際地物覆蓋比較吻合。圖2(a)與圖2(b)對(duì)于植被的劃分差異較大，由于樹干與地面會(huì)形成二面角散射，因此以體散射為主的植被通常會(huì)產(chǎn)生多種散射....

圖3類別合并結(jié)果

對(duì)所有的散射類別進(jìn)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(píng)價(jià)，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(duì)于植被和建筑的分類精度分別提高了3....

本文編號(hào)：4002550