...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Canadian Journal of Remote Sensing >Land Cover Classification from Polarimetric SAR Data Based on Image Segmentation and Decision Trees
【24h】

Land Cover Classification from Polarimetric SAR Data Based on Image Segmentation and Decision Trees

机译：基于图像分割和决策树的极化SAR数据土地覆盖分类

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Le but de cet article est de présenter une nouvelle méthode de classification de données provenant d'un radar po-larimétrique a synthése d'ouverture (POLSAR) en intégrant la segmentation d'image et l'arbre de décision. Dans la premiére étape du procédé, les données POLSAR sont segmentées en petits segments composés de pixels homogénes en utilisant l'algorithme multirésolution incorporé dans le logiciel eCognition de Definiens. Pour chaque segment, une matrice de cohérence moyenne est générée pour représenter les caractéristiques polarimétriques globales. Dans la deuxiéme étape, cing paramétres minutieusement choisis, y compris les paramétres H, A, a de la décomposition de Cloude-Pottier et deux paramétres associés a l'effet de dépolarisation des cibles radar, forment les attributs de décision pour classer les segments. Une image POLSAR en bande L du Flevoland néerlandais acquise par le systéme AIRSAR est utilisée comme données d'évaluation. La méthode proposée atteint une précision globale 13 % plus élevée lorsque comparée au classificateur Wishart largement utilisé et une précision comparable ou plus élevée en comparaison avec d'autres algorithmes basés sur des segments. Les deux paramétres liés a ladépolarisation, qui n'ont jamais été utilisés pour la classification, s'avérent avoir une haute capacité de discrimination pour classer divers types de végétation. Cette étude démontre également que les cing paramétres que nous avons choisis forment une combinaison idéale de paramétres POLSAR qui peut étre applicable a des fins générales de classification.%The aim of this article is to present a new classification scheme for polarimetric synthetic aperture radar (POLSAR)rndata by integrating image segmentation and decision tree. In the first stage of the scheme, POLSAR data is segmented usingrnthe multiresolution algorithm embedded in the Definiens eCognition software into small segments consisting of homogeneousrnpixels. For each segment, an average coherency matrix is generated to represent the overall polarimetric characteristics. In thernsecond stage, 5 elaborately chosen parameters, including the H, A, α parameters from Cloude and Pottier decomposition and 2rnparameters associated with the depolarization effect of radar targets, form the decision attributes to classify the segments. AnrnL-band POLSAR image over Dutch Flevoland acquired by the airborne synthetic aperture radar (AIRSAR) system is used as testrndata. The proposed scheme achieves 13% higher overall accuracy when compared with the widely adoptedWishart classifier, andrncomparable or higher accuracy when compared with other segment-based algorithms. The 2 depolarization-related parameters,rnwhich have never been used for classification before, are found to have powerful discriminability in classifying different vegetationrntypes. This study also demonstrates that the 5 parameters we have chosen are an ideal combination of POLSAR feature parametersrnand might be applicable for general classification purposes.
机译：本文的目的是提出一种通过对图像分割和决策树进行集成来对极化孔径合成雷达（POLSAR）数据进行分类的新方法。在该过程的第一步中，使用Definiens的eCognition软件中包含的多分辨率算法，将POLSAR数据分割成由均匀像素组成的小段。对于每个段，均会生成一个平均相干矩阵来表示全局极化特征。在第二步中，精心选择的五个参数（包括参数H，A，Cloude-Pottier分解a和与雷达目标的去极化作用相关的两个参数）形成了用于对航段进行分类的决策属性。 AIRSAR系统获取的荷兰Flevoland的L波段POLSAR图像用作评估数据。与广泛使用的Wishart分类器相比，所提出的方法实现了13％的整体准确性，而与其他基于段的算法相比，则具有可比或更高的准确性。从未用于分类的与去极化相关的两个参数似乎在区分各种类型的植被时具有很高的区分能力。这项研究还表明，我们选择的五个参数构成了POLSAR参数的理想组合，可能适用于一般分类目的。％本文的目的是提出一种极化合成孔径雷达（POLSAR）的新分类方案。 ）通过整合图像分割和决策树的数据。在该方案的第一阶段，使用Definiens eCognition软件中嵌入的多分辨率算法将POLSAR数据分割成由均质像素组成的小段。对于每个片段，均会生成一个平均相干矩阵来表示总体极化特性。在第二阶段中，精心选择的5个参数（包括来自Cloude和Pottier分解的H，A，α参数以及与雷达目标的去极化作用相关的2个参数）形成了对各段进行分类的决策属性。通过机载合成孔径雷达（AIRSAR）系统在荷兰弗莱福兰德获得的AnrnL波段POLSAR图像被用作测试数据。与广泛采用的Wishart分类器相比，提出的方案可实现13％的整体精度，与其他基于段的算法相比，则可比或更高的精度。发现这两个与去极化相关的参数（以前从未用于分类）在区分不同植被类型时具有很强的可分辨性。这项研究还表明，我们选择的5个参数是POLSAR特征参数的理想组合，可能适用于一般分类目的。

著录项

  • 来源
    《Canadian Journal of Remote Sensing》 |2015年第1期|40-50|共11页
  • 作者

    Yonghong Zhang; Jixian Zhang; Xianfeng Zhang; HonganWu; Ming Guo;

  • 作者单位

    Chinese Academy of Surveying and Mapping, No.28 Lianhuachi West Road, Haidian District, Beijing100830, China;

    Chinese Academy of Surveying and Mapping, No.28 Lianhuachi West Road, Haidian District, Beijing100830, China;

    Shandong Zhengyuan Geographic Information Engineering Company Limited, Weifang 261021,Shandong Province, China;

    Chinese Academy of Surveying and Mapping, No.28 Lianhuachi West Road, Haidian District, Beijing100830, China;

    Chinese Academy of Surveying and Mapping, No.28 Lianhuachi West Road, Haidian District, Beijing100830, China;

  • 收录信息
  • 原文格式 PDF
  • 正文语种 eng
  • 中图分类
  • 关键词

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号