- · 《遥感学报》栏目设置[09/01]
- · 《遥感学报》数据库收录[09/01]
- · 《遥感学报》投稿方式[09/01]
- · 《遥感学报》征稿要求[09/01]
- · 《遥感学报》刊物宗旨[09/01]
来稿应自觉遵守国家有关著作权法律法规，不得侵犯他人版权或其他权利，如果出现问题作者文责自负，而且本刊将依法追究侵权行为给本刊造成的损失责任。本刊对录用稿有修改、删节权。经本刊通知进行修改的稿件或被采用的稿件，作者必须保证本刊的独立发表权。 一、投稿方式： 1、 请从 我刊官网 直接投稿 。 2、 请 从我编辑部编辑的推广链接进入我刊投审稿系统进行投稿。 二、稿件著作权： 1、 投稿人保证其向我刊所投之作品是其本人或与他人合作创作之成果，或对所投作品拥有合法的著作权，无第三人对其作品提出可成立之权利主张。 2、 投稿人保证向我刊所投之稿件，尚未在任何媒体上发表。 3、 投稿人保证其作品不含有违反宪法、法律及损害社会公共利益之内容。 4、 投稿人向我刊所投之作品不得同时向第三方投送，即不允许一稿多投。 5、 投稿人授予我刊享有作品专有使用权的方式包括但不限于：通过网络向公众传播、复制、摘编、表演、播放、展览、发行、摄制电影、电视、录像制品、录制录音制品、制作数字化制品、改编、翻译、注释、编辑，以及出版、许可其他媒体、网站及单位转载、摘编、播放、录制、翻译、注释、编辑、改编、摄制。 6、 第5条所述之网络是指通过我刊官网。 7、 投稿人委托我刊声明，未经我方许可，任何网站、媒体、组织不得转载、摘编其作品。
基于极化分解和集成学习的影像分类
作者:网站采编关键词:
摘要：0 引 言 有效的 PolSAR（Polarimetric Synthetic Aperture Radar，PolSAR）影像分类技术是PolSAR 成功应用的基础[1]。然而相比于比较成熟的PolSAR 成像技术与系统设计，PolSAR 影像分类技术的发展相对滞
0 引 言
有效的 PolSAR（Polarimetric Synthetic Aperture Radar，PolSAR）影像分类技术是PolSAR 成功应用的基础[1]。然而相比于比较成熟的PolSAR 成像技术与系统设计，PolSAR 影像分类技术的发展相对滞后，严重制约了PolSAR 技术的应用，因此，开展PolSAR 影像分类技术研究对提高PolSAR 系统应用水平具有重要意义[2]。
相比于单极化SAR，PolSAR 测量的是目标的极化散射特性，能够获取目标在多个极化状态下的电磁波散射图像[3]。因此，PolSAR 数据的优势就在于其包含的丰富极化信息。如何充分利用极化信息进行分类一直是PolSAR 影像分类研究的热点问题[4]。根据极化信息利用方式，PolSAR 影像分类方法可归纳为3 类：直接利用散射矩阵和散射矢量的方法、直接利用相干矩阵和协方差矩阵的方法以及利用目标极化分解的方法[5]。相比于前2种方法，利用目标极化分解方法所获得的分类结果能更好的揭示地物散射机理，有助于人们对影像的理解。根据分解机制及针对目标的不同，研究人员相继提出了多种目标极化分解方法，较为经典的有 Krogager 分解[6]、Huynen 分解[7]、Barnes 分解[8]、Cloude 分解[9]、H/A/α分解[10]、Freeman2 分解[11]、Freeman3 分解[12]、Yamaguchi分解[13]、Neumann 分解[14]、Touzi 分解[15]、Holm 分解[16]、Van Zyl 分解[17]和Pauli 分解[18]。这些目标极化分解方法在PolSAR 影像分类中都得到了广泛应用。
总结PolSAR 影像分类研究现状，发现现有利用目标极化分解的分类研究大都仅利用了一种极化分解方法。然而，目前发展的众多极化分解方法中，哪一种方法所提取的特征最能反映地物本质特征、最利于分类精度提高，还尚无定论。Shimoni 等[19]提出不同目标极化分解方法都应被用于土地覆被分类，因为其强调了不同的地物类型。近几年，陆续有研究者在PolSAR 影像分类中同时采用多种目标极化分解方法，并取得了较好的分类效果。Qi 等[20-21]利用各目标极化分解方法提取出极化参数后，将提取的所有极化参数合成为一幅多通道影像，然后进行分类。尽管这些研究通过引入多种目标极化分解方法获取了很多极化参数，但出于“维数灾难”的考虑，其并未将提取的极化参数全部用于分类，而是通过特征选择方法筛选出小部分最有用的进行分类，造成了极化信息的严重浪费。
集成学习技术的发展为上述问题的解决提供了思路，在集成学习框架下嵌入目标极化分解方法能够将极化信息有效利用起来，从而提高PolSAR 影像分类精度。鉴于此，本研究提出了一种基于目标极化分解和集成学习的PolSAR 影像分类方法。考虑到面向对象方法通过以区域作为分类基本单元，能更好地抑制PolSAR 影像中相干斑噪声对影像信息的破坏[22-23]，所以提出的方法采用面向对象分类方式。
1 材料与方法
1.1 研究区与数据源
1.1.1 研究区概况
本研究的研究区位于吉林省长春市的南部（43°39′58″N～43°51′10″N，125°17′52″E～125°34′45″E），包括长春市主城区和双阳区的部分区域，如图1 所示。
图1 研究区位置示意图Fig.1 Location map of study area
1.1.2 数据源
本研究选用全极化 RADARSAT-2 影像作为数据源（图2）。RADARSAT-2 是一颗搭载C 波段传感器的高分辨率商用雷达卫星。本研究所用RADARSAT-2 影像的获取时间为2016 年8 月1 日，成像模式为精细全极化（即极化方式包括HH、HV、VH、VV 共4 种），产品模式为单视复型数据（Single Look Complex，SLC）。该影像工作频率是5.4 GHz，标称空间分辨率为8 m，在方位向和距离向的像元尺寸分别为5.49 和4.73 m，近端入射角41.07°，远端入射角42.46°，影像覆盖范围为25 km×25 km。
图2 RADARSAT-2 PolSAR 影像（Pauli RGB 合成）Fig.2 RADARSAT-2 PolSAR image (Pauli RGB composition)
于 2016 年 7 月 30 日至 2016 年 8 月 3 日开展野外调查工作。研究区土地覆被类型包括耕地、林地、草地、居民地、道路和水体6 种。本研究共计采集了565 个样本区域，图 3 是各地类样本分布情况。将采集的样本分为两组，一组为训练样本，一组为验证样本，各地类样本的分组情况如表1 所示。
图3 各地类的样本分布图Fig.3 Distribution map of samples for each class
表1 各地类样本数量Table 1 Numbers of samples for each class地类Class 训练组Training group 验证组Test group耕地Cropland land 50 50林地Forest 50 50草地Lawn 36 37居民地Building 50 50道路Road 50 50水体Water 46 46总计Total 282 283
1.2 理论背景
文章来源：《遥感学报》 网址: http://www.ygxbzz.cn/qikandaodu/2021/0307/546.html