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

一种结合分水岭与决策树C5.0的极化SAR分类方法

张剑清 段艳

张剑清, 段艳. 一种结合分水岭与决策树C5.0的极化SAR分类方法[J]. 武汉大学学报 ● 信息科学版, 2014, 39(8): 891-896. doi: 10.13203/j.whugis20120112
引用本文: 张剑清, 段艳. 一种结合分水岭与决策树C5.0的极化SAR分类方法[J]. 武汉大学学报 ● 信息科学版, 2014, 39(8): 891-896. doi: 10.13203/j.whugis20120112
ZHANG Jianqing, DUAN Yan. A Supervised Classification Method of Polarimetric Sythetic ApertureRadar Data Using Watershed Segmentation and Decision Tree C5.0[J]. Geomatics and Information Science of Wuhan University, 2014, 39(8): 891-896. doi: 10.13203/j.whugis20120112
Citation: ZHANG Jianqing, DUAN Yan. A Supervised Classification Method of Polarimetric Sythetic ApertureRadar Data Using Watershed Segmentation and Decision Tree C5.0[J]. Geomatics and Information Science of Wuhan University, 2014, 39(8): 891-896. doi: 10.13203/j.whugis20120112

一种结合分水岭与决策树C5.0的极化SAR分类方法

doi: 10.13203/j.whugis20120112
基金项目: 国家973计划资助项目(2012CB719904)
详细信息
    作者简介:

    张剑清,教授,现主要从事摄影测量与遥感、计算机视觉研究。

  • 中图分类号: P237.3

A Supervised Classification Method of Polarimetric Sythetic ApertureRadar Data Using Watershed Segmentation and Decision Tree C5.0

Funds: The National Program on Key Basic Research Project of China(973Program),No.2012CB719904.
More Information
    Author Bio:

    ZHANG Jianqing,professor. His research fields include photogrammetry,remote sensing and computer vision.

  • 摘要: 目的 提出了一种利用多种极化特征并结合分水岭算法与决策树C5.0分类器的极化SAR数据分类方法。首先对极化SAR数据进行极化精致Lee滤波,接着对其进行极化分解得到多个极化通道与 Pauli RGB图像,改进梯度图生成法并进行形态学分水岭分割与区域合并,最后选择样本构建决策树 C5.0分类器并进行分类。实验结果表明,该方法与传统基于像素的分类方法相比精度有显著提高,同时由于使用了较多的极化特征,也使分类精度在一定程度上得到了提高。
  • [1] Kouskoulas Y,Ulaby F T,Pierce L E.The Bayes-ian Hierarchical Classifier(BHC)and Its Applica-tion to Short Vegetation Using Multifrequency Po-larimetric SAR[J].IEEE Transactions on Geosci-ence and Remote Sensing,2004,42(2):469-477[2] Cloude S R,Pottier E.An Entropy Based Classifica-tion Scheme for Land Applications of PolarimetricSAR[J].IEEE Transactions on Geoscience and Re-mote Sensing,1997,35(1):68-78[3] Lang Fengkai,Yang Jie,Zhao Lingli,et al.Polari-metric SAR Data Classification with Freeman Entro-py and Anisotropy Analysis[J].Acta Geodaetica etCartographica Sinica,2012,41(4):556-562(郎丰铠,杨杰,赵伶俐,等.基于Freeman散射熵和各向异性度的极化SAR影像分类算法研究[J].测绘学报,2012,41(4):556-562)[4] Zou Tongyuan,Yang Wen,Dai Dengxin,et al.AnUnsupervised Classification Method of POLSARImage[J].Geomatic and Information Science ofWuhan University,2009,34(8):910-914(邹同元,杨文,代登信,等.一种新的极化SAR图像非监督分类算法研究[J].武汉大学学报·信息科学版,2009,34(8):910-914)[5] Wu Zhaocong,OuYang Qundong,Hu Zhongwen.Polarimetric SAR Image Classification Using Water-shed-transformation and Support Vector Machine[J].Geomatic and Information Science of Wuhan895武 汉 大 学 学 报 · 信 息 科 学 版2014年8月University,2012,37(1):7-12(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,2012,37(1):7-12)[6] Qi Z X,Yeh A G,Li X,et al.A Novel Algorithmfor Land Use and Land Cover Classification UsingRADARSAT-2Polarimetric SAR Data[J].RemoteSensing of Environment,2012,118:21-39[7] Lee J S,Grunes M R,Grandi G D.PolarimetricSAR Speckle Filtering and Its Implication for Clas-sification[J].IEEE Transactions on Geoscience andRemote Sensing,1999,37(5):2363-2373[8] Lee J S,Pottier E.Polarimetric Radar Imagingfrom Basics to Applications[M].New York:CRCPress,2009[9] Gonzalez R C,Woods R E.Digital Image Process-ing[M].2nd Edition.US:Prentice Hall,2002[10]Ye Qixiang,Gao Wen,Wang Weiqiang,et al.AColor Image Segmentation Algorithm by Using Col-or and Spatial Information[J].Journal of Soft-ware,2004,15(4):522-530(叶齐祥,高文,王伟强,等.一种融合颜色和空间信息的彩色图像分割算法[J].软件学报,2004,15(4):522-530)[11]Lawrence R L,Wright A.Rule-based ClassificationSystems Using Classification and Regression Tree(CART)Analysis[J].Photogrammetric Engineer-ing and Remote Sensing,2001,67(10):1137-1142
  • [1] 张建廷, 张立民.  结合光谱和纹理的高分辨率遥感图像分水岭分割 . 武汉大学学报 ● 信息科学版, 2017, 42(4): 449-455,467. doi: 10.13203/j.whugis20150097
    [2] 赵磊, 陈尔学, 李增元, 冯琦, 李兰, 杨浩.  基于均值漂移和谱图分割的极化SAR影像分割方法及其评价 . 武汉大学学报 ● 信息科学版, 2015, 40(8): 1061-1068. doi: 10.13203/j.whugis20130681
    [3] 付海强, 汪长城, 朱建军, 解清华, 赵蓉.  Neumann分解理论在极化SAR植被分类中的应用 . 武汉大学学报 ● 信息科学版, 2015, 40(5): 607-611. doi: 10.13203/j.whugis20130372
    [4] 陈启浩, 刘修国, 陈奇.  一种综合多特征的全极化SAR图像分割方法 . 武汉大学学报 ● 信息科学版, 2014, 39(12): 1419-1424.
    [5] 陈启浩, 刘修国, 黄晓东, 姜 萍.  一种极化sar协方差矩阵综合四分量分解模型 . 武汉大学学报 ● 信息科学版, 2014, 39(7): 873-877.
    [6] 黄晓东, 刘修国, 陈启浩, 陈奇.  一种综合多特征的全极化SAR建筑物分割模型 . 武汉大学学报 ● 信息科学版, 2013, 38(4): 450-454.
    [7] 余洁, 刘利敏, 李小娟, 赵争.  利用ICA算法进行全极化SAR影像滤波研究 . 武汉大学学报 ● 信息科学版, 2013, 38(2): 212-216.
    [8] 刘修国, 黄晓东, 陈启浩, 姜 萍.  归一化法消除全极化SAR影像Freeman分解中的不一致 . 武汉大学学报 ● 信息科学版, 2013, 38(3): 257-261.
    [9] 归一化法消除全极化SAR影像Freeman分解中的不一致 . 武汉大学学报 ● 信息科学版, 2013, 38(3): 257-261.
    [10] 邵振峰, 周熙然, 刘军.  一种QaR树的图像粒优化分解方法 . 武汉大学学报 ● 信息科学版, 2013, 38(2): 204-207.
    [11] 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 . 武汉大学学报 ● 信息科学版, 2012, 37(1): 7-10.
    [12] 吴一全, 张晓杰, 吴诗婳, 纪守新.  利用高速收敛PSO或分解进行二维灰度熵图像分割 . 武汉大学学报 ● 信息科学版, 2011, 36(9): 1059-1063.
    [13] 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.
    [14] 巫兆聪, 胡忠文, 欧阳群东.  一种区域自适应的遥感影像分水岭分割算法 . 武汉大学学报 ● 信息科学版, 2011, 36(3): 293-296.
    [15] 张斌, 杨然, 谢兴, 秦前清.  利用极化目标分解和WMRF的全极化SAR图像分类方法 . 武汉大学学报 ● 信息科学版, 2011, 36(3): 297-300.
    [16] 张斌, 马国锐, 刘国英, 秦前清.  一种结合Freeman分解和散射熵的MRF多极化SAR影像分割算法 . 武汉大学学报 ● 信息科学版, 2011, 36(9): 1064-1067.
    [17] 杨杰, 郎丰铠, 李德仁.  一种利用Cloude-Pottier分解和极化白化滤波的全极化SAR图像分类算法 . 武汉大学学报 ● 信息科学版, 2011, 36(1): 104-107.
    [18] 蒋志勇, 陈晓玲, 秦前清.  一种基于淹没的分水岭变换算法 . 武汉大学学报 ● 信息科学版, 2009, 34(5): 509-513.
    [19] 曹建农, 李德仁, 关泽群.  基于可分解马尔科夫网的极端椒盐噪声图像滤波 . 武汉大学学报 ● 信息科学版, 2005, 30(7): 583-587.
    [20] 梅天灿, 李德仁, 秦前清.  分水岭变换在遥感影像线状特征提取中的应用 . 武汉大学学报 ● 信息科学版, 2004, 29(4): 338-341.
  • 加载中
计量
  • 文章访问数:  818
  • HTML全文浏览量:  30
  • PDF下载量:  580
  • 被引次数: 0
出版历程
  • 收稿日期:  2013-03-25
  • 修回日期:  2014-08-05
  • 刊出日期:  2014-08-05

一种结合分水岭与决策树C5.0的极化SAR分类方法

doi: 10.13203/j.whugis20120112
    基金项目:  国家973计划资助项目(2012CB719904)
    作者简介:

    张剑清,教授,现主要从事摄影测量与遥感、计算机视觉研究。

  • 中图分类号: P237.3

摘要: 目的 提出了一种利用多种极化特征并结合分水岭算法与决策树C5.0分类器的极化SAR数据分类方法。首先对极化SAR数据进行极化精致Lee滤波,接着对其进行极化分解得到多个极化通道与 Pauli RGB图像,改进梯度图生成法并进行形态学分水岭分割与区域合并,最后选择样本构建决策树 C5.0分类器并进行分类。实验结果表明,该方法与传统基于像素的分类方法相比精度有显著提高,同时由于使用了较多的极化特征,也使分类精度在一定程度上得到了提高。

English Abstract

张剑清, 段艳. 一种结合分水岭与决策树C5.0的极化SAR分类方法[J]. 武汉大学学报 ● 信息科学版, 2014, 39(8): 891-896. doi: 10.13203/j.whugis20120112
引用本文: 张剑清, 段艳. 一种结合分水岭与决策树C5.0的极化SAR分类方法[J]. 武汉大学学报 ● 信息科学版, 2014, 39(8): 891-896. doi: 10.13203/j.whugis20120112
ZHANG Jianqing, DUAN Yan. A Supervised Classification Method of Polarimetric Sythetic ApertureRadar Data Using Watershed Segmentation and Decision Tree C5.0[J]. Geomatics and Information Science of Wuhan University, 2014, 39(8): 891-896. doi: 10.13203/j.whugis20120112
Citation: ZHANG Jianqing, DUAN Yan. A Supervised Classification Method of Polarimetric Sythetic ApertureRadar Data Using Watershed Segmentation and Decision Tree C5.0[J]. Geomatics and Information Science of Wuhan University, 2014, 39(8): 891-896. doi: 10.13203/j.whugis20120112
参考文献 (1)

目录

    /

    返回文章
    返回