简介:高分SAR数据的出现,为基于SAR的应用提供了新的途径.需要探索新的技术方法。SAR与光学影像各自的特点具有较强的互补性,二者的融合可以增强遥感数据的信息利用率。针对新的Cosmo—Skymed高分辨率SAR影像数据.利用增强Lee滤波抑制相干斑影响,在此基础上运用局部标准差融合策略的小波包变换方法.融合SAR和CBERS02多光谱影像,充分结合了各自影像的图像特征.使得在最大限度地保留光谱特性和细节特性的基础上.提高了数据的信噪比,更利于信息的提取。实验表明,经过Cosmo—Skymed与CBERS02数据的融合后的自动分类精度显著提高。分类Kappa系数从0.47提高到了0.93。
简介:利用SPOT全色波段影像和LandsatETM+多光谱影像,采用波段特征分析法和改进的最佳波段指数法确定最佳融合波段。选择具有代表性的HSV变换、Brovey变换、PCA变换、Gram-schmidt变换和小波变换方法进行影像融合。针对融合后的影像采用定量评价法进行质量评价,通过不同地物的光谱、空间和纹理信息等进行比较分析构建适当的分类特征和规则,采用面向对象的遥感分类方法进行分类。结果表明,波段特征分析法和改进的最佳波段指数法结合,可以获得最佳融合波段。各融合方法均有效提升了影像效果,其中HSV和GS变换融合方法更好地保持了影像的多光谱和高分辨率特性,融合后各地物特征分类明显,可以有效应用于湿地分类;采用主成分分析法来设置面向对象分类中的波段权重,可以利用各波段信息量的差异进行影像的分割。基于各种遥感指数的面向对象分类方法用于湿地分类获得了93.62%的分类精度,与传统的分类方法相比有了很大进步,在湿地分类中具有很大的应用潜力。
简介:全极化SAR影像含有丰富的特征信息,针对单一特征用于分类难以达到满意精度的问题,提出一种基于不同目标分解方法及纹理信息的SVM(SupportVectorMachine,SVM)全极化SAR影像监督分类方法。结果表明,Cloude分解和Yamaguchi分解在极化特征信息提取时各有优势,且都优于Freeman分解效果;Cloude分解和Yamaguchi分解结合作为极化特征信息时,分类总体精度相对较高;纹理信息与极化特征信息在表现地物特性方面具有互补性,结合纹理信息后,分类总体精度提高了4.92%,为90.86%,Kappa系数为0.8754。