基于特征值和Singh分解的全极化Radarsat-2图像分类  

Fully Polarimetric SAR Images Classification Based on Singh Decomposition Strengthened by Eigenvalues

作　　者：曲永超[1,2] 赵书河[1,2,3] 庄喜阳 姜腾龙 张宇 

机构地区：[1]南京大学地理与海洋科学学院 [2]江苏省地理信息技术重点实验室 [3]江苏省地理信息资源开发与利用协同创新中心 [4]济南市环境监测中心站 [5]78125部队

出　　处：《地理空间信息》2016年第5期60-63,7,共4页Geospatial Information

基　　金：国家重点基础研究发展计划资助项目(2010CB951503);中国科学院战略性先导科技专项资助项目(XDA05050106)

摘　　要：基于模型的分解发展较快,但存在负功率、体散射过估计、未充分利用相干矩阵等问题,考虑到基于模型分解的优点,采用Singh分解提取极化信息,同时用散射角、极化熵和极化总功率进行补充,再利用SVM对山东禹城地区全极化Radarsat-2数据进行分类。为验证该方法的有效性,将其与H/α/A-Wishart和Yamaguchi-SVM两种分类方法进行比较。结果表明,该方法分类效果较好,总体精度分别提高了6.4%和3.48%。In recent years,with the rapid development of model-based decomposition,there are still negative power,over-estimation of body scattering,less use of coherent matrix and other issues.In this paper,considering the advantages of model-based decomposition,we used Singh decomposition to extract polarimetric features with the supplement of scattering angle,polarization entropy and total power,and then employed support vector machine(SVM) to classify full-pol Radarsat-2 data of Yucheng in Shandong Province.For demonstration,H/α/A-Wishart and Yamaguchi-SVM were compared with the method proposed,the overall accuracy enhanced 6.4%and 3.48%respectively.

关 键 词：全极化SAR图像分类 Singh分解 Cloude分解 极化总功率 SVM 

分 类 号：P237[天文地球—摄影测量与遥感]