一种改进的MCSM/H-PSO全极化SAR影像分类方法

作     者：余莎莎 余洁 朱腾 王彦兵 YU Shasha;YU Jie;ZHU Teng;WANG Yanbing

作者机构：首都师范大学资源环境与旅游学院北京100048 首都师范大学城市环境过程与数字模拟国家重点实验室培育基地北京100048 首都师范大学三维信息获取与应用教育部重点实验室北京100048 首都师范大学资源环境与地理信息系统北京市重点实验室北京100048 广东工业大学机电工程学院广东广州510006 

出 版 物：《测绘通报》 (Bulletin of Surveying and Mapping)

年 卷 期：2018年第11期

页      面：53-57页

学科分类：083002[工学-环境工程] 0830[工学-环境科学与工程（可授工学、理学、农学学位）] 081802[工学-地球探测与信息技术] 08[工学] 0818[工学-地质资源与地质工程] 081602[工学-摄影测量与遥感] 0816[工学-测绘科学与技术] 

基　　金：国家自然科学基金(41671417) 科技创新服务能力建设-基本科研业务费(科研类)(025185305000/191) 

主　　题：全极化SAR影像分类 MCSM分解 PSO算法 散射熵 

摘      要：粒子群算法由于其优秀的随机全局寻优能力,在遥感图像分类领域应用广泛。为进一步提高粒子优劣判别能力,使得最终聚类中心更具合理性,本文在应用PSO算法进行全极化SAR影像分类时,考虑影像相邻像素间具有空间相关性,提出了加权PSO算法,以提高分类精度。同时,在进行全极化SAR影像分类时,为了更充分地利用全极化SAR影像极化特征,采用多成分散射模型分解(MCSM)方法结合散射熵提取影像6种极化特征。改进的MCSM/H-PSO全极化SAR影像分类方法,首先通过MCSM分解和散射熵对全极化SAR影像进行基于散射机理的初分类,再将分类结果作为加权PSO算法的初始类别划分,并通过迭代实现地物分类。采用北京市Radarsat 2全极化SAR数据和美国旧金山AIRSAR全极化SAR数据分别进行试验,本文方法分类总体精度分别可达90.57%和93.25%。