-
题名基于改进OGMRF-RC模型的SAR图像分类方法
被引量：3
- 1
-
-
作者
李渊
毋琳
戚雯雯
郭拯危
李宁
-
机构
河南大学计算机与信息工程学院
河南大学河南省智能技术与应用工程技术研究中心
河南大学河南省大数据分析与处理重点实验室
商丘工学院信息与电子工程学院
河南大学环境与规划学院
-
出处
《自然资源遥感》
CSCD
北大核心
2021年第4期98-104,共7页
-
基金
国家自然科学基金项目“基于高分辨星载SAR图像的丹江口库区生态红线保护区的水源涵养功能监测与评估”(编号:61871175)
河南省科技攻关计划项目“众包数据辅助下基于深度学习的高分辨率土地覆盖自动分类研究”(编号:202102210175)
+4 种基金
“基于多极化SAR影像的小麦物候期监测研究”(编号:212102210093)
“黄河下游游荡型河段河势雷达遥感监测研究”(编号:212102210101)
河南省高等学校重点科研项目“河南地区冬小麦雷达极化特征及其遥感监测研究”(编号:19A420005)
“多覆被类型地表水源涵养功能SAR反演评估研究”(编号:21A520004)
河南省青年人才托举工程项目“基于多极化雷达影像的河南地区冬小麦长势监测研究”(编号:2019HYTP006)共同资助。
-
文摘
合成孔径雷达(synthetic aperture Radar,SAR)图像分类是遥感应用中的关键技术之一。针对对象高斯-马尔可夫随机场(object-based Gaussian-Markov random field,OGMRF)模型中区域类别标签对分类精度影响的问题,提出了区域类别模糊概率(regional category fuzzy probability,RCFP)标签场方法,使临界对象具有多种类别划分的可能性,避免唯一标签导致的错分类现象。该方法综合考虑区域特征与邻域特征,利用区域边缘信息和后验概率获得RCFP,并将其纳入特征场参数求解过程中,使特征场参数更加接近真实情况,从而提高SAR图像分类精度。以河南省开封市东部约1400 km 2的区域为研究区,采用Sentinel-1卫星SAR图像开展农田、建筑、水域3类地物的分类验证实验,与K-means,FCM,马尔可夫随机场和具有区域系数的OGMRF等方法相比较,所提出方法的总体分类精度达到94.16%,Kappa系数为0.8957,在5种方法中效果最好。
-
关键词
SAR图像分类
马尔可夫随机场
特征场
区域类别模糊概率
Sentinel-1
-
Keywords
classification of synthetic aperture Radar(SAR)images
Markov random field(MRF)
feature filed
regional category fuzzy probability(RCFP)
Sentinel-1
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
