亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于特征值和Singh分解的全極化Radarsat-2圖像分類

        2016-12-27 02:47:52曲永超趙書河莊喜陽(yáng)姜騰龍
        地理空間信息 2016年5期
        關(guān)鍵詞:二面角極化林地

        曲永超,趙書河,3,莊喜陽(yáng),姜騰龍,張 宇

        (1.南京大學(xué) 地理與海洋科學(xué)學(xué)院,江蘇 南京 210023;2.江蘇省地理信息技術(shù)重點(diǎn)實(shí)驗(yàn)室,江蘇 南京210023;3.江蘇省地理信息資源開發(fā)與利用協(xié)同創(chuàng)新中心,江蘇 南京 210023;4.濟(jì)南市環(huán)境監(jiān)測(cè)中心站,山東 濟(jì)南 250014;5.78125部隊(duì),四川 成都 610066)

        基于特征值和Singh分解的全極化Radarsat-2圖像分類

        曲永超1,2,趙書河1,2,3,莊喜陽(yáng)1,2,姜騰龍4,張 宇5

        (1.南京大學(xué) 地理與海洋科學(xué)學(xué)院,江蘇 南京 210023;2.江蘇省地理信息技術(shù)重點(diǎn)實(shí)驗(yàn)室,江蘇 南京210023;3.江蘇省地理信息資源開發(fā)與利用協(xié)同創(chuàng)新中心,江蘇 南京 210023;4.濟(jì)南市環(huán)境監(jiān)測(cè)中心站,山東 濟(jì)南 250014;5.78125部隊(duì),四川 成都 610066)

        基于模型的分解發(fā)展較快,但存在負(fù)功率、體散射過估計(jì)、未充分利用相干矩陣等問題,考慮到基于模型分解的優(yōu)點(diǎn),采用Singh分解提取極化信息,同時(shí)用散射角、極化熵和極化總功率進(jìn)行補(bǔ)充,再利用SVM對(duì)山東禹城地區(qū)全極化Radarsat-2數(shù)據(jù)進(jìn)行分類。為驗(yàn)證該方法的有效性,將其與H/α/A-Wishart和Yamaguchi-SVM兩種分類方法進(jìn)行比較。結(jié)果表明,該方法分類效果較好,總體精度分別提高了6.4%和3.48%。

        全極化SAR圖像分類;Singh分解;Cloude分解;極化總功率;SVM

        非相干極化分解是全極化SAR圖像分類的重要方法之一,近年來得到廣泛應(yīng)用[1-6]。非相干極化分解主要有基于特征值分解和基于模型分解兩大類[7-13]?;谀P偷姆纸獾玫綆追N確定的散射機(jī)制,但是這是一種理想化的處理,實(shí)際情況常常包含未知的散射機(jī)制。近年來,基于模型的分解有較多進(jìn)展。2010年An[14]等提出一種采用去方位處理的分解,降低了負(fù)功率出現(xiàn)的概率,但是僅利用了相干矩陣中的6個(gè)元素;2012年Arii[15]等用極化方位補(bǔ)償改進(jìn)了自適應(yīng)的體散射模型,能夠應(yīng)對(duì)植被和地形的影響,但是分解的結(jié)果不符合部分觀測(cè)值;

        2014年Chen[16]等利用了相干矩陣中的全部元素,但是為了實(shí)現(xiàn)自適應(yīng),計(jì)算復(fù)雜度非常高。本文采用Singh分解[17],該方法不依賴反射對(duì)稱假設(shè),并且計(jì)算了相干矩陣中的全部參數(shù),充分利用了極化信息[18]。

        1 研究區(qū)與數(shù)據(jù)

        研究區(qū)位于山東省西北部,覆蓋禹城市大部,齊河縣部分面積,平均海拔28 m。該市地形自西南向東北緩緩傾斜,屬典型的沖積平原地質(zhì)區(qū)。禹城地區(qū)屬于暖溫帶半濕潤(rùn)季風(fēng)氣候區(qū),光熱資源豐富,雨熱同期,利于農(nóng)業(yè)生產(chǎn),多年平均溫度13.1℃,年降水量582 mm。其自然條件和農(nóng)業(yè)生產(chǎn)模式在黃淮海平原具有一定代表性,主要土地覆蓋類型為耕地、林地、水體和居民地等。轄區(qū)內(nèi)種植的主要作物為冬小麥和玉米(兩季輪作),冬小麥種植比例高達(dá) 90%。正常情況下,冬小麥播種期是 10 月上旬,收獲期為次年 6 月中上旬。研究數(shù)據(jù)獲取時(shí)間在6月中旬,正值冬小麥?zhǔn)崭钔戤?。因此,耕地上主要是冬小麥的殘茬。作物茬作為農(nóng)田生態(tài)系統(tǒng)的重要組成部分,影響著農(nóng)田生態(tài)系統(tǒng)中的營(yíng)養(yǎng)物質(zhì)、碳、水和能量的流動(dòng)與循環(huán)[19-20]。

        本文實(shí)驗(yàn)采用全極化Radarsat-2數(shù)據(jù)。Radarsat-2是一顆搭載C波段傳感器的高分辨率商用雷達(dá)衛(wèi)星,由加拿大太空署與MDA公司合作,于2007-12-14在哈薩克斯坦拜科努爾基地發(fā)射升空。極化方式為HH、VV、HV、VH四種,波段為C波段,分辨率為8 m,獲取時(shí)間為2014-06-17。圖1為研究區(qū)Pauli RGB合成圖。

        采用30 m分辨率DEM進(jìn)行地理編碼處理,DEM數(shù)據(jù)是由ASTER GDEM第一版本的數(shù)據(jù)進(jìn)行加工得來,數(shù)據(jù)時(shí)間為2009年,數(shù)據(jù)類型為IMG,投影為UTM/WGS84。

        圖1 Pauli RGB合成圖

        2 研究方法

        首先對(duì)Radarsat-2數(shù)據(jù)進(jìn)行預(yù)處理,包括多視處理、圖像濾波和地理編碼3個(gè)步驟;然后對(duì)數(shù)據(jù)進(jìn)行Singh分解,得到表面散射、二面角散射、體散射、螺旋體散射4種散射機(jī)制;隨后進(jìn)行Cloude分解以及矩陣元素計(jì)算,得到散射角、極化熵和極化總功率;最后利用SVM進(jìn)行分類,得到分類結(jié)果。研究方法流程如圖2所示。

        圖2 研究方法流程

        2.1 數(shù)據(jù)預(yù)處理

        首先對(duì)Radarsat-2數(shù)據(jù)進(jìn)行多視處理,比例為5:2,使得該數(shù)據(jù)更適于分析分布式目標(biāo)。然后對(duì)圖像進(jìn)行濾波,本文采用Lee Refined濾波器,嘗試3×3、5×5、7×7的窗口,通過對(duì)比其結(jié)果發(fā)現(xiàn)3×3窗口能夠除去部分噪聲,并能夠保持較為清晰的地物邊界。最后,對(duì)圖像進(jìn)行地理編碼,采用30 m分辨率DEM賦予圖像投影和坐標(biāo)系統(tǒng),處理后的圖像分辨率為15 m。

        2.2 Singh分解

        相干矩陣T可以表示為:

        式中,?表示共軛轉(zhuǎn)置; 〈.〉表示統(tǒng)計(jì)平均;kp為Pauli矢量,其表達(dá)式為:

        酉變換之后極化信息得以完整保存,為了減少參數(shù)并保存完整極化信息,需要對(duì)T進(jìn)行兩次酉變換:

        此時(shí),T23被消除。

        第1次酉變換:

        酉旋轉(zhuǎn)矩陣:

        第2次酉變換:

        酉旋轉(zhuǎn)矩陣:

        然后對(duì)式(6)進(jìn)行四分量分解得到表面散射P、s偶次散射Pd、體散射Pv和螺旋體散射Pc。

        式中,fs、fd、fv、fc為相關(guān)系數(shù)。

        由此得到,

        若體散射由定向二面角散射引起,則體散射模型為:

        由此得到,

        最終得到,

        2.3 Cloude分解和極化總功率

        首先,通過Cloude分解得到散射角α、極化熵H。α用于確定目標(biāo)的散射機(jī)制;H用于表征目標(biāo)散射機(jī)制的復(fù)雜度,H越大,則目標(biāo)散射機(jī)制越復(fù)雜,反之亦然。然后通過矩陣元素計(jì)算得到極化總功率SPAN。

        2.4 分類

        選取α、H、Singh分解的4個(gè)分量以及SPAN作為分類特征;選取SVM作為分類器,核類型(kernel type)為徑向基函數(shù),Gamma值為0.143,懲罰系數(shù)為100;訓(xùn)練樣本是依據(jù)Pauli RGB合成圖和Google Earth圖像選取的。

        3 對(duì)比實(shí)驗(yàn)

        分類結(jié)果如圖3a、b所示。根據(jù)研究區(qū)土地覆蓋的主要類型,分成耕地、林地、居民地、水體4類。研究區(qū)中,耕地和居民地占很大比例且分布很廣,林地和水體所占比例較小。因?yàn)閳D像獲取的時(shí)間正值冬小麥?zhǔn)崭钔戤?,農(nóng)田里主要是作物茬,其有一定高度,但只有莖稈沒有枝葉,與低矮灌叢接近,又與裸地類似,所以耕地既有表面散射,也有體散射;林地的主要散射機(jī)制是體散射;居民地既有表面散射也有二面角散射,表面散射主要發(fā)生在建筑物頂部,二面角散射主要發(fā)生在建筑物立面與地面鄰接之處;水體的主要散射機(jī)制是表面散射。

        選擇了H/α/A-Wishart、Yamaguchi-SVM兩種常規(guī)方法進(jìn)行對(duì)比,圖3a和b、c相比,林地較少,比較符合研究區(qū)的實(shí)際情況;圖3d和e、f相比,右側(cè)邊緣沒有水體,而這兩種方法都把其他地類錯(cuò)分成水體,其中H/α/A-Wishart錯(cuò)分現(xiàn)象更為嚴(yán)重。從混淆矩陣來看(如表1所示),本文方法耕地錯(cuò)分成林地、居民地錯(cuò)分成林地的比例分別是6.23%和9.14%;而H/ α/A-Wishart耕地錯(cuò)分成林地、居民地錯(cuò)分成林地的比例分別是12.52%和15.04%;Yamaguchi-SVM耕地錯(cuò)分成林地、居民地錯(cuò)分成林地的比例分別是7.01%和14.30%。本文方法林地錯(cuò)分成水體的比例是0.43%;H/α/A-Wishart耕地錯(cuò)分成水體和居民地錯(cuò)分成水體的比例分別是3.61%和1.55%;Yamaguchi-SVM耕地錯(cuò)分成水體的比例是2.21%。其他地類的錯(cuò)分情況,3 種方法沒有顯著區(qū)別。

        圖3 分類結(jié)果對(duì)比

        H/α/A-Wishart是一種非監(jiān)督分類方法,它將圖像聚成16類,再對(duì)圖像進(jìn)行復(fù)Wishart迭代分類[21-22]。其分類結(jié)果很大程度上取決于初始聚類的準(zhǔn)確性。與本文方法相比,該方法將耕地錯(cuò)分成林地、居民地錯(cuò)分成林地、耕地錯(cuò)分成水體、居民地錯(cuò)分成水體的比例分別高出6.29%、5.90%、3.61%和1.55%。其原因是,散射角和極化熵不直接與散射機(jī)制對(duì)應(yīng),造成對(duì)體散射和二面角散射的區(qū)分存在界限不清的問題。換言之,Cloude分解用散射角和極化熵表征各種散射機(jī)制,散射角表征散射機(jī)制的種類,通常認(rèn)為一定范圍的散射角屬于表面散射、二面角散射或體散射。但是對(duì)于范圍的界定具有一定的經(jīng)驗(yàn)性和主觀性。

        表1 混淆矩陣和總體精度/%

        Yamaguchi-SVM分類結(jié)果中,居民地錯(cuò)分成林地的比例比本文方法增加5.16%。因?yàn)閅amaguchi分解中的體散射模型假設(shè)體散射來自植被,實(shí)際上體散射也可以由定向二面角散射引起。而Singh分解有一定的自適應(yīng)能力,所以這種錯(cuò)分相對(duì)較少。

        4 結(jié) 語(yǔ)

        本文針對(duì)兩類非相干分解各自特點(diǎn)和近年來基于模型的分解研究進(jìn)展,采用一種Singh-Cloude-SPAN-SVM分類方法。該方法在小樣本的情況下,利用Singh分解獲得表面散射、二面角散射、體散射和螺旋體散射,解決了目標(biāo)散射機(jī)制的基本判定,同時(shí)加入Cloude分解得到的散射角和極化熵對(duì)未知散射機(jī)制進(jìn)行描述,另外加入總功率對(duì)空間信息進(jìn)行描述,最后利用SVM進(jìn)行分類。結(jié)果表明該方法與H/α/A-Wishart、Yamaguchi-SVM分類方法相比,錯(cuò)分現(xiàn)象減少,總體精度分別提高了6.4%和3.48%,證明了該方法對(duì)于山東禹城地區(qū)全極化Radarsat-2數(shù)據(jù)有良好的分類效果。

        [1] Lee J S,Pottier E.Polarimetric Radar Imaging from Basic to Application [M].NewYork∶CRC Press,2011

        [2] Da Silva A D Q,Paradella W R,Freitas C C,et al.Evaluation of Digital Classification of Polarimetric SAR Data for Ironmineralized Laterites Mapping in the Amazon Region[J].Remote Sensing,2013,5(6)∶3 101-3 122

        [3] Ullmann T,Lumsdon P,Poncet F V,et al.Application of Quadpolarimetric TerraSAR-X Data for Landcover Characterization in Tropical Regions∶a Case Study in South Kalimantan,Indonesia[C].Geoscience and Remote Sensing Symposium,2012

        [4] 孫盛,田金文,溫雯,等.基于四分量模型的極化SAR圖像非監(jiān)督分類[J].計(jì)算機(jī)工程與設(shè)計(jì),2013,34(7)∶2 436-2 440

        [5] Shastri B P,Mehta R L,Mohan S,et al.Assessment of SAR Polarimetric Decompositions for Land Cover Studies[J].Journal of Geomatics,2015,9(1)∶48

        [6] XUE X,DI L,GUO L,et al.An Efficient Classification Method of Fully Polarimetric SAR Image Based on Polarimetric Features and Spatial Features[C].4th International Conference on Agro-Geoinformatics,Turkey,2015

        [7] Lee J S,Ainsworth T L,WANG Y.Generalized Polarimetric Modelbased Decompositions Using Incoherent Scattering Models[J]. Geoscience and Remote Sensing,2014,52(5)∶2 474-2 491

        [8] VanZyl J J,Kim Y.Synthetic Aperture Radar Polarimetry[M]. John Wiley & Sons,2011

        [9] Cloude S R.An Entropy Based Classification Scheme for Polarimetric SAR Data[C].Geoscience and Remote Sensing Symposium,Quantitative Remote Sensing for Science and Applications' ,1995

        [10] Cloude S R,Pottier E.An Entropy Based Classification Scheme for Land Applications of Polarimetric SAR[J].Geoscience and Remote Sensing ,1997,35(1)∶68-78

        [11] Freeman A,Durden S L.A Three-component Scattering Model for Polarimetric SAR Data[J].Geoscience and Remote Sensing,1998,36(3)∶963-973

        [12] Yamaguchi Y,Moriyama T,Ishido M,et al.Four-component Scattering Model for Polarimetric SAR Image Decomposition[J]. Geoscience and Remote Sensing,2005,43(8)∶1 699-1 706

        [13] Yamaguchi Y,Yajima Y,Yamada H.A Four-component Decomposition of PolSAR Images Based on the Coherency Matrix[J].Geoscience and Remote Sensing, 2006,3(3)∶292-296

        [14] AN W,CUI Y,YANG J.Three-component Model-based Decomposition for Polarimetric SAR Data[J].Geoscience and Remote Sensing,2010,48(6)∶2 732-2 739

        [15] Arii M,VanZyl J J,Kim Y.Improvement of Adaptivemodel Based Decomposition with Polarization Orientation Compensation[C].Geoscience and Remote Sensing Symposium,2012

        [16] CHEN S W,WANG X S,XIAO S P,et al.General Polarimetric Model-based Decomposition for Coherency Matrix[J]. Geoscience and Remote Sensing,2014,52(3)∶1 843-1 855

        [17] Singh G,Yamaguchi Y,Park S E.General Four-component Scattering Power Decomposition with Unitary Transformation of Coherency Matrix[J].Geoscience and Remote Sensing,2013, 51(5)∶3 014-3 022

        [18] FANG C,WEN H,WU Y R.An Improved Cloude-Pottier Decomposition Using H/α/Span and Complex Wishart Classifier for Polarimetric SAR Classification[C].International Conference on Radar,2006

        [19] Singh L,Singh J.Assessment of Crop Residue Potential for Power Generation Using Geographical Information System[J].Journal of Scientific & Industrial Research,2015,74∶34-37

        [20] Medina J,Monreal C,Barea J M,et al.Crop Residue Stabilization and Application to Agricultural and Degraded Soils∶a Review[J]. Waste Management,2015(42)∶41-54

        [21] Lee J S,Grunes M R,Ainsworth T L,et al.Unsupervised Classification Using Polarimetric Decomposition and the Complex Wishart Classifier[J].Geoscience and Remote Sensing,1999,37(5)∶2 249-2 258

        [22] Pottier E.Unsupervised Classification Scheme and Topography Derivation of PolSAR Data Based on the H/α/A Polarimetric Decomposition Theorem[C]. 4th International Workshop Radar Polarimetry Proceedings,Nantes,1998

        P237

        B

        1672-4623(2016)05-0060-04

        10.3969/j.issn.1672-4623.2016.05.019

        曲永超,碩士,主要從事全極化SAR圖像處理和遙感圖像分類方面的研究。

        2016-01-06。

        項(xiàng)目來源:國(guó)家重點(diǎn)基礎(chǔ)研究發(fā)展計(jì)劃資助項(xiàng)目(2010CB951503);中國(guó)科學(xué)院戰(zhàn)略性先導(dǎo)科技專項(xiàng)資助項(xiàng)目(XDA05050106)。

        猜你喜歡
        二面角極化林地
        認(rèn)知能力、技術(shù)進(jìn)步與就業(yè)極化
        立體幾何二面角易錯(cuò)點(diǎn)淺析
        綜合法求二面角
        求二面角時(shí)如何正確應(yīng)對(duì)各種特殊情況
        求二面角的七種方法
        雙頻帶隔板極化器
        丹東市林地分類研究
        淺談林地保護(hù)及恢復(fù)措施
        基于PWM控制的新型極化電源設(shè)計(jì)與實(shí)現(xiàn)
        林地流轉(zhuǎn)模式的選擇機(jī)理及其政策啟示
        黑人玩弄极品人妻系列视频| 四虎永久免费影院在线| 国产精品中文第一字幕| 国产视频一区二区三区在线看| 日本一区二区三区视频国产 | 国产亚洲精品久久777777| 午夜高清福利| 自拍偷拍另类三级三色四色| 精品国产精品久久一区免费式| 超碰97资源站| 久久精品国产99久久丝袜| 日韩精品一区二区三区含羞含羞草 | 校花高潮一区日韩| 少妇人妻精品久久888| 久久综合亚洲色一区二区三区| 美丽人妻被按摩中出中文字幕 | 一区二区黄色素人黄色 | 午夜一级韩国欧美日本国产| 国产精品女同一区二区久| 国产毛女同一区二区三区| 美女无遮挡免费视频网站| 成年女人A级毛片免| 亚洲视频在线免费观看一区二区| 亚洲av不卡无码国产| 国产精品成人一区二区三区 | 久久婷婷色香五月综合缴缴情| 中出内射颜射骚妇| 亚洲片在线视频| 久久精品熟女亚洲av麻豆永永| 亚洲国产成人久久综合| 少妇AV射精精品蜜桃专区| 日本二区三区视频在线观看| 色欲av永久无码精品无码蜜桃| 丰满的少妇xxxxx青青青| www久久久888| 精品国产亚洲级一区二区| 中文字幕天天躁日日躁狠狠躁免费| 日韩欧美在线播放视频| 国产黄色一区二区三区av| 日本无码欧美一区精品久久| 激情五月婷婷综合|