简论覆盖基于SVM多时相极化SAR影像土地覆盖分类策略-turnitin论文查重

摘要：遥感影像分类可以为林业、农业资源的监测评价提供基础信息，极化合成孔径雷达（POLSAR）影像分类作为遥感影像分类的重要组成部分在国际遥感领域已受到高度重视。以往关于POLSAR影像的分类大多基于单时相影像，分类精度总体较低。为解决这一不足，本论文探讨了基于支持向量机（Support Vector Machine，SVM）的多时相POLSAR影像土地覆盖分类策略。本探讨以大兴安岭地区十八站林场作为实验区，获取了覆盖实验区的两景Radarsat-2数据和一景SPOT-5数据，通过实地调查获取了用于验证分类结果精度的地面实况数据。针对运用SVM进行多时相极化SAR影像分类，本论文首先进展了一种“基于穷举法与测试精度相结合的特点选择策略”，利用两个时相的Radarsat-2POLSAR数据进行了土地覆盖分类实验，结果表明，所进展的特点选择策略与“基于知识的特点选择策略”和不采取特点选择的分类案例相比，可获得更高的分类精度：本论文进展的特点选择策略的分类精度为84.96%，基于知识的特点选择策略分类精度为80.28%，无特点选择的分类精度为65.68%。其次，本论文采取相同的SVM分类策略浅析评价了两个不同时相获取的Radarsat-2极化SAR影像的土地覆盖分类能力，发现10.月份影像特点的识别能力要优于7月份影像特点的识别能力，10月份的分类精度为73.53%，7月份的分类精度为57.08%。7月份与10月份季节的SAR数据结合起来进行分类，可以弥补各自识别能力的不足，提升总体的分类精度，多时相的分类精度为84.96%。最后，本论文将SVM分类与最大似然法的分类效果进行了比较，结果发现，在特点概率分布不符合正态分布的情况下，两者的分类精度分别为84.96%、72.65%，即使在特点概率符合正态分布的情况下，SVM得到的精度也比最大似然法高，两者的精度分别为65.86%、63.74%。关键词：POLSAR论文SVM论文特点选择论文土地覆盖论文多时相论文

摘要5-6

Abstract6-13

第一章绪论13-27

1.1 探讨的目的、作用13

1.2 国内外探讨近况及进展走势13-23

1.2.1 基于统计特性的极化 SAR 图像分类14-17

1.2.2 基于物理散射特性的极化 SAR 图像分类17-19

1.2.3 统计特性和物理散射特性相结合的极化 SAR 图像分类19-20

1.2.4 特点选择策略概述20-23

1.3 探讨目标和探讨内容23-24

1.3.1 探讨目标23-24

1.3.2 探讨内容24

1.4 技术路线24-25

1.5 论文结构25-26

1.6 本章小结26-27

第二章实验区及数据预处理27-42

2.1 实验区概况27-28

2.2 实验区数据的获取28-31

2.2.1 SAR 数据28-29

2.2.2 SPOT-5 数据29-30

2.2.3 地面实况数据30-31

2.3 数据预处理31-41

2.3.1 SAR 影像之间的配准31-32

2.3.2 斑点噪声滤波32-33

2.3.4 极化方位角补偿33-35

2.3.5 极化特点提取35-37

2.3.6 极化特点的几何校正37-40

2.3.7 选取样本40-41

2.4 本章小结41-42

第三章基于 SVM 的 POLSAR 影像土地覆盖分类策略探讨42-101

3.1 分类系统42-45

3.2 SVM 基本原理45-47

3.3 特点选择策略47-55

3.3.1 基于知识的选择特点策略47-48

3.3.2 基于穷举法与测试精度相结合的特点选择策略48-55

3.4 基于 SVM 的分类结果与浅析55-86

3.4.1 7月份 POLSAR 影像分类结果与浅析56-68

3.4.2 10 月份 POLSAR 影像分类结果与浅析68-77

3.4.3 多时相 POLSAR 影像分类结果与浅析77-86

3.5 基于最大似然法的多时相 POLSAR 影像分类86-99

3.5.1 基于穷举法与测试精度相结合的特点选择策略结果与浅析88-90

3.5.2 基于知识的特点选择策略结果与浅析90-93

3.5.3 无特点选择策略结果与浅析93-99

3.6 本章小结99-101

第四章结论及讨论101-103

4.1 结论101

4.2 讨论101-103

简论覆盖基于SVM多时相极化SAR影像土地覆盖分类策略

相关论文

频道推荐

热门论文阅读

排行榜

猜你喜欢