为充分利用多时相极化合成孔径雷达(SAR)数据的时间相干性和散射特征,提出一个多时相极化SAR分类方法,该方法基于完整的极化协方差矩阵,能够在张量空间保持协方差矩阵的复数矩阵结构,实现时间维度的独立表示,可同时适用于全极化和简缩极...为充分利用多时相极化合成孔径雷达(SAR)数据的时间相干性和散射特征,提出一个多时相极化SAR分类方法,该方法基于完整的极化协方差矩阵,能够在张量空间保持协方差矩阵的复数矩阵结构,实现时间维度的独立表示,可同时适用于全极化和简缩极化SAR。该方法采用目标级的分类策略,首先,通过简单线性迭代聚类方法实现多时相极化SAR的超像素联合分割;随后,将目标的极化协方差矩阵表示为张量的形式,利用张量域的多线性主成分分析方法,实现多时相极化协方差矩阵的特征降维;最后,用决策树方法实现农作物分类。获取4景RADARSAT-2 Fine Quad模式全极化SAR图像,对天津市武清区农作物种植区开展作物分类实验,相较于其他文献提出的方法,本文方法取得了最高的总体分类精度。进一步,将该方法推广至π/4模式和CTLR模式的简缩极化SAR,并将其农作物分类精度与全极化SAR进行对比,以研究不同极化SAR数据对作物的识别能力。实验结果表明,简缩极化SAR可以取得与全极化SAR相当的总体分类精度,但全极化SAR在水稻、荷花等小样本地物上表现更优。展开更多
文摘为充分利用多时相极化合成孔径雷达(SAR)数据的时间相干性和散射特征,提出一个多时相极化SAR分类方法,该方法基于完整的极化协方差矩阵,能够在张量空间保持协方差矩阵的复数矩阵结构,实现时间维度的独立表示,可同时适用于全极化和简缩极化SAR。该方法采用目标级的分类策略,首先,通过简单线性迭代聚类方法实现多时相极化SAR的超像素联合分割;随后,将目标的极化协方差矩阵表示为张量的形式,利用张量域的多线性主成分分析方法,实现多时相极化协方差矩阵的特征降维;最后,用决策树方法实现农作物分类。获取4景RADARSAT-2 Fine Quad模式全极化SAR图像,对天津市武清区农作物种植区开展作物分类实验,相较于其他文献提出的方法,本文方法取得了最高的总体分类精度。进一步,将该方法推广至π/4模式和CTLR模式的简缩极化SAR,并将其农作物分类精度与全极化SAR进行对比,以研究不同极化SAR数据对作物的识别能力。实验结果表明,简缩极化SAR可以取得与全极化SAR相当的总体分类精度,但全极化SAR在水稻、荷花等小样本地物上表现更优。
