...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>IEEE Geoscience and Remote Sensing Letters >A Novel Contextual Classification Algorithm for Multitemporal Polarimetric SAR Data
【24h】

A Novel Contextual Classification Algorithm for Multitemporal Polarimetric SAR Data

机译：一种多时相极化SAR数据的上下文分类新算法

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

This letter presents a pixel-based contextual classification algorithm by integrating a multiscale modified Pappas adaptive clustering (mMPAC) and an adaptive Markov random field (AMRF) into the stochastic expectation–maximization process for urban land cover mapping using multitemporal polarimetric synthetic aperture radar (PolSAR) data. This algorithm can effectively explore spatiotemporal contextual information to improve classification accuracy. Using the mMPAC, the problem caused by the class feature variation could be mitigated. Using the AMRF, shape details could be preserved from overaveraging that often occurs in many nonadaptive contextual approaches. Six-date RADARSAT-2 PolSAR data over the Greater Toronto Area were used for evaluation. The results show that this algorithm outperformed the support vector machine in producing homogeneous and detailed land cover classification in a complex urban environment with high accuracy.
机译：这封信提出了一种基于像素的上下文分类算法，该算法通过将多尺度改进的Pappas自适应聚类（mMPAC）和自适应马尔可夫随机场（AMRF）集成到使用多时相极化合成孔径雷达（PolSAR）的城市土地覆盖图的随机期望最大化过程中）数据。该算法可以有效地探索时空上下文信息，提高分类精度。使用mMPAC，可以减轻由类特征变化引起的问题。使用AMRF，可以防止形状细节被过度平均化，而过度平均通常发生在许多非自适应上下文方法中。使用大多伦多地区的六个日期的RADARSAT-2 PolSAR数据进行评估。结果表明，在复杂的城市环境中，该算法在生成均匀且详细的土地覆被分类方面优于支持向量机。

著录项

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