基于目标分解理论的全极化SAR图像神经网络分类方法

陈劲松 已出版文章查询
陈劲松
本平台内已出版文章查询
1 邵芸 已出版文章查询
邵芸
本平台内已出版文章查询
1 李震 已出版文章查询
李震
本平台内已出版文章查询
2

+ 作者地址

1中国科学院遥感应用研究所开放实验室,北京,100101;香港中文大学,香港新界沙田

2中国科学院遥感应用研究所开放实验室,北京,100101


0
  • 摘要
  • 参考文献
  • 相关文章
  • 统计
由于全极化合成孔径雷达(synthetic aperture radar)能够测量每一观测目标的全散射矩阵,即可合成包括线性极化、圆极化及椭圆极化在内的多种极化图像,因此与常规的单极化和多极化SAR相比,在雷达目标探测、识别,纹理特征和几何参数的提取等方面,全极化SAR均具有很多优点,但是由于地物分布的复杂性往往造成不同地物具有相似的后向散射信号特征,因而加大了地物信息提取的难度.同时由于这些极化合成图像具有较高的相关性,从而导致了图像分类精度的降低.为了提高全极化SAR图像的分类精度,基于新疆和田地区的SIR C I波段全极化雷达数据,利用目标分解理论首先将地物回波的复杂散射过程分解为几种互不相关的单一的散射分量.由于这些单一的散射分量都对应于具有不同物理和几何特征以及分布特征的地物,从而提供了更加丰富的地表覆盖信息,这样就很大程度地改善了地物信息的分类精度;然后利用分解后单一散射分量数据结合传统的极化合成数据,可以得到更多的互不相关的数据源,再使用神经网络分类法对这些数据进行分类.分类结果表明,这种方法大幅度提高了全极化SAR数据用于实验区土地覆盖分类的精度.这种分类方法也可以广泛地用于SAR数据地表覆盖和土地利用动态监测和地表参数的提取.

[1] Van Zyl J J et al.Classification of earth terrain using polarimetric SAR images[J].Journal of Geophysical Research,1989,94(06):7049-7057.

[2] Van Zyl J J;Zebker H A;Elachi C .Imaging radar polarization signitures:Theory and observation[J].Radio Science,1987,22(04):529-543.

[3] Cloude S R .A review of target decomposition theorems in radar polarimetry[J].IEEE Transactions on Geoscience and Remote Sensing,1990,34(02):337-348.

[4] van Zyl J.J. .Calibration of polarimetric radar images using only image parameters and trihedral corner reflector responses[J].IEEE Transactions on Geoscience and Remote Sensing,1990(3):337-348.

[5] Dawson M S;Fung A K;Manry M T .Surface parameter retrival using fast learning neural networks[J].Remote Sensing Reviews,1993,17(06):233-240.

[6] 王翠珍 .极化SAR数据分析与目标信息提取[D].中国科学院遥感应用研究所,1999.


DOI: http://dx.doi.org/10.3969/j.issn.1006-8961.2004.05.005

语种: 中文   

基金国家高技术研究发展计划(863计划)(2001AAB2040)

关键词SIR-C 全极化 极化合成 目标分解 土地覆盖


期刊热词
  • + 更多
  • 字体大小