全极化SAR数据的最大后验概率分类

梁志锋; 凌飞龙; 陈尔学

美国《工程索引》（EI）核心期刊
美国《剑桥科学文摘》（CSA）收录期刊
荷兰斯高帕斯数据库（Scopus）收录期刊
英国INSPEC数据库（SA）收录期刊

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

全极化SAR数据的最大后验概率分类

梁志锋, 凌飞龙, 陈尔学

文章导航 > 武汉大学学报 ● 信息科学版 > 2013 > 38(6): 648-651

梁志锋, 凌飞龙, 陈尔学. 全极化SAR数据的最大后验概率分类[J]. 武汉大学学报 ● 信息科学版, 2013, 38(6): 648-651.

引用本文:

梁志锋, 凌飞龙, 陈尔学. 全极化SAR数据的最大后验概率分类[J]. 武汉大学学报 ● 信息科学版, 2013, 38(6): 648-651.

LIANG Zhifeng, LING Feilong, CHEN Erxue. Classification of Full-polarimetric Synthetic Aperture Radar Data with Maximum a Posteriori[J]. Geomatics and Information Science of Wuhan University, 2013, 38(6): 648-651.

Citation:

LIANG Zhifeng, LING Feilong, CHEN Erxue. Classification of Full-polarimetric Synthetic Aperture Radar Data with Maximum a Posteriori[J]. Geomatics and Information Science of Wuhan University, 2013, 38(6): 648-651.

全极化SAR数据的最大后验概率分类

¹福州大学空间信息工程研究中心;²中国林业科学研究院资源信息研究所

基金项目: 国家青年科学基金资助项目(41101381); 福建省科技计划资助项目(200910014); 中欧“龙计划”合作项目(5314)

详细信息

作者简介:
梁志锋，硕士生，现从事ＳＡＲ森林应用研究。

中图分类号: P237.3

Classification of Full-polarimetric Synthetic Aperture Radar Data with Maximum a Posteriori

¹Spatical Information Research Center,Fuzhou University,2 Xueyuan Road,Fuzhou 350002,China;²Institute of Forest Resources Information Research,Chinese Academy of Forest,Dongxiaofu,Xiangshan Road,Beijing 100091,China

Funds: 国家青年科学基金资助项目(41101381); 福建省科技计划资助项目(200910014); 中欧“龙计划”合作项目(5314)

摘要: 结合后验概率对分类的影响和全极化SAR数据特点,提出了一种全极化SAR数据分类方法。首先将全极化SAR数据的协方差矩阵转换为9个服从正态分布的强度量;然后通过迭代分类计算类别出现的概率,对9个强度量进行基于最大后验概率的分类。以黑龙江省逊克县境内的一景ALOS PALSAR全极化数据为例,用该方法进行分类,总体精度和Kappa系数分别达到81.34%和0.84,优于传统的最大似然分类方法。
- 分类 /
- SAR /
- 极化 /
- 后验概率
Abstract: Considering the influence of the posterior and the statistic distributions of full-polarimetric SAR data,we proposed a new classification method of full polarimetric SAR data.First,the covariance matrix of polarization SAR data was converted to nine intensity quantities with normal distribution.Then,the probability of occurance for each class was calculated with iterative initial classification.Finally,the nine intensity images were classified with maximum likelihood classification method taking the probabilities of occurance for the classes into account.We applied the developed method to the ALOS PALSAR full-polarimetric data of Xunke County,Heilongjiang Province.The overall accuracy is 81.34% and the Kappa coefficient 0.84.The developed method showed higher accuracy than that from the traditional maximum likelihood classifier.This indicates that our method can improve the accuracy of classification.
- classification /
- SAR /
- radar polarimetry /
- posteriori

[1]

王贺张路,徐金燕,廖明生,. 面向城市地物分类的L波段SAR影像极化特征提取与分析[J]. 武汉大学学报(信息科学版). 2012(09)[2] 巫兆聪欧阳群东,胡忠文,. 应用分水岭变换与支持向量机的极化SAR图像分类[J]. 武汉大学学报(信息科学版). 2012(01)[3] 陈富龙王超,张红,. 改进最大似然遥感影像分类方法——以SAR影像为例[J]. 国土资源遥感. 2008(01)[4] 刘秀清杨汝良,. 基于全极化SAR非监督分类的迭代分类方法[J]. 电子学报. 2004(12)[5] LIU Jiyuan, LIU Mingliang, DENG Xiangzheng, ZhuangDafang,ZHANG Zengxiang, LUO Di(1. Inst. of Geographic Sciences and Natural Resources Research, CAS, Beijing 100101, China;2. Inst. of Remote Sensing Applications, CAS, Beijing 100101, China). The land use and land cover change database and its relative studies in China[J]. Journal of Geographical Sciences. 2002(03)

[1]	张波, 张瑞, 刘国祥, 刘巧, 蔡嘉伦, 于冰, 符茵, 李志林. 基于SAR影像的贡巴冰川末端冰湖年际变化监测及溃决规律分析 . 武汉大学学报 ● 信息科学版, 2019, 44(7): 1054-1064. doi: 10.13203/j.whugis20190087
[2]	李健伟, 曲长文, 彭书娟. SAR图像舰船目标联合检测与方向估计 . 武汉大学学报 ● 信息科学版, 2019, 44(6): 901-907. doi: 10.13203/j.whugis20170328
[3]	邰建豪, 潘斌, 赵珊珊, 赵园. 基于Shearlet变换的SAR与多光谱遥感影像融合 . 武汉大学学报 ● 信息科学版, 2017, 42(4): 468-474. doi: 10.13203/j.whugis20150768
[4]	朱婷婷, 李斐, 张胜凯, 袁乐先. 基于CFAR的RADARSAT-1南极裸岩目标信息提取 . 武汉大学学报 ● 信息科学版, 2016, 41(11): 1512-1517. doi: 10.13203/j.whugis20150266
[5]	郭越, 王晓峰, 张恒振. 基于人类感知的SAR图像海上溢油检测算法 . 武汉大学学报 ● 信息科学版, 2016, 41(3): 395-401,407. doi: 10.13203/j.whugis20140404
[6]	郭际明, 黄长军, 喻小东, 聂智平. 利用BEMD-自适应滤波去除SAR干涉图噪声 . 武汉大学学报 ● 信息科学版, 2014, 39(4): 422-427. doi: 10.13203/j.whugis20120013
[7]	岳春宇, 江万寿. 一种利用级联滤波和松弛法的SAR图像配准方法 . 武汉大学学报 ● 信息科学版, 2012, 37(1): 43-45.
[8]	肖金群, 李志伟, 汪长城, 丁晓利. 相位补偿SAR差分干涉提取山区DEM算法及精度分析 . 武汉大学学报 ● 信息科学版, 2012, 37(3): 334-338.
[9]	杨书成, 黄国满, 赵争. 一种利用影像模拟制作SAR立体模型的方法 . 武汉大学学报 ● 信息科学版, 2012, 37(11): 1325-1328.
[10]	李平湘, 邓少平, 张继贤, 杨杰. 利用自适应最优极化对比增强检测SAR影像边缘 . 武汉大学学报 ● 信息科学版, 2012, 37(7): 789-793.
[11]	史磊, 李平湘, 杨杰. 混合三角网极化干涉SAR影像配准 . 武汉大学学报 ● 信息科学版, 2012, 37(3): 330-333.
[12]	邓少平, 李平湘, 张继贤, 黄国满. 基于乘积模型的极化SAR滤波 . 武汉大学学报 ● 信息科学版, 2011, 36(10): 1168-1171.
[13]	余凡, 赵英时. 合成孔径雷达反演裸露地表土壤水分的新方法 . 武汉大学学报 ● 信息科学版, 2010, 35(3): 318-321.
[14]	张静, 王莉丽, 林雪原, 杨智勇. 一种基于数据的核优化新方法 . 武汉大学学报 ● 信息科学版, 2010, 35(1): 110-113.
[15]	史磊, 李平湘, 杨杰. 利用SIFT与粗差探测进行SAR影像配准 . 武汉大学学报 ● 信息科学版, 2010, 35(11): 1296-1299.
[16]	陈富龙, 王超, 张红, 吴樊. 基于CASE推理的多时相星载SAR影像分类 . 武汉大学学报 ● 信息科学版, 2008, 33(11): 1154-1157.
[17]	尤红建, 傅琨. 基于分布模型差异的SAR变化检测 . 武汉大学学报 ● 信息科学版, 2008, 33(5): 454-456.
[18]	吴波, 张良培, 李平湘. 基于支撑向量机概率输出的高光谱影像混合像元分解 . 武汉大学学报 ● 信息科学版, 2006, 31(1): 51-54.
[19]	王健, 向茂生, 李绍恩. 一种基于InSAR相干系数的SAR阴影提取方法 . 武汉大学学报 ● 信息科学版, 2005, 30(12): 1063-1066.
[20]	王任享. 论不同航天摄影测量传感器的摄影测量性能 . 武汉大学学报 ● 信息科学版, 2001, 26(2): 95-100.

点击查看大图

计量

文章访问数: 1276
HTML全文浏览量: 48
PDF下载量: 542
被引次数: 0

全极化SAR数据的最大后验概率分类

¹福州大学空间信息工程研究中心;²中国林业科学研究院资源信息研究所

基金项目: 国家青年科学基金资助项目(41101381); 福建省科技计划资助项目(200910014); 中欧“龙计划”合作项目(5314)

作者简介:
梁志锋，硕士生，现从事ＳＡＲ森林应用研究。

收稿日期: 2013-01-25
修回日期: 2013-01-25
刊出日期: 2013-06-05

中图分类号: P237.3

关键词:

分类 /

SAR /

极化 /

后验概率

摘要: 结合后验概率对分类的影响和全极化SAR数据特点,提出了一种全极化SAR数据分类方法。首先将全极化SAR数据的协方差矩阵转换为9个服从正态分布的强度量;然后通过迭代分类计算类别出现的概率,对9个强度量进行基于最大后验概率的分类。以黑龙江省逊克县境内的一景ALOS PALSAR全极化数据为例,用该方法进行分类,总体精度和Kappa系数分别达到81.34%和0.84,优于传统的最大似然分类方法。