版权所有:内蒙古大学图书馆 技术提供:维普资讯• 智图
内蒙古自治区呼和浩特市赛罕区大学西街235号 邮编: 010021
作者机构:国防科技大学电子科学学院电子信息系统复杂电磁环境效应国家重点实验室长沙410073
出 版 物:《遥感学报》 (NATIONAL REMOTE SENSING BULLETIN)
年 卷 期:2024年第28卷第3期
页 面:730-746页
核心收录:
学科分类:0810[工学-信息与通信工程] 070801[理学-固体地球物理学] 07[理学] 08[工学] 0708[理学-地球物理学] 0816[工学-测绘科学与技术] 081002[工学-信号与信息处理]
基 金:国家自然科学基金(编号:62122091,61771480) 湖南省杰青基金项目(编号:2020JJ2034) 湖湘青年英才项目(编号:2019RS2025)
主 题:SAR图像 表征 方向性上下文协方差矩阵 空间纹理 地物分类
摘 要:合成孔径雷达(SAR)是对地观测等领域的重要传感器,得到了广泛应用。然而,单通道SAR图像每个像元只包含一个复散射值,有限的信息量在一定程度上限制了其应用性能。针对这一问题,本文提出了一种SAR图像空间纹理信息表征方法:方向性上下文协方差矩阵(DCCM)。DCCM通过提取邻域中不同方向上的散射强度变化来拓展利用图像上下文信息,将单个像元从一个标量拓展为一组矩阵,从而极大提升了像元信息容量,实现了信息增广。在此基础上提取的DCCM纹理特征能够更完备地表征地物空间纹理特性,有望应用于地物分类等领域。本文将DCCM纹理特征分别与传统分类器和卷积神经网络结合,构建了基于方向性上下文协方差矩阵的SAR图像地物分类方法。利用AIRSAR和UAVSAR数据开展的对比实验表明,相比基于灰度共生矩阵、Gabor滤波和多级局部模式直方图3种典型纹理特征的分类方法,本文方法结合传统分类器时对总体分类精度提升达到7%以上,结合卷积神经网络时也展现出了优异的分类性能以及更好的稳健性。