摘要:提出"全域—局部"遥感信息分布提取模型,通过计算和整合影像局部范围内的空间和光谱特征来优化全域上光谱混淆较大像元的提取精度。模型分为两个主要计算步骤:"全域"前分类与"局部"后分类;"全域"前分类将仅划分出满足一定精度阈值标准的像元,而"局部"后分类则在此部分分类结果基础上,进一步发掘和计算已分类像元所蕴含的信息来辅助对全域未分类像元的提取。在不透水面专题提取过程中,采用支持向量机SVM作为前分类器,通过控制精度阈值所对应的分类后验概率产生部分分类结果;采用调节最小距离分类器作为后分类器,根据一定的权重整合像元局部范围内的空间与光谱信息,代替了传统的全域光谱信息来优化分类。实验采用TM5影像以及所对应的NLCD(National Land Cover Data)标准不透水面产品作为测试集,"全域-局部"模型对应单一SVM模型的提取精度由80.31%提高为82.73%,局部后分类器精度较单一SVM模型由54.27%提高到59.94%。实验证明该模型具有较明显的精度提升且能够较好地解决不透水面与裸土混淆的问题,并得到空间形态上更为完善的不透水面提取结果。
摘要:针对宽观测带SAR图像,在对入射角效应量化研究的基础上,提出了一种入射角效应按类校正方法。利用分水岭分割和区域标记技术实现地物取样,基于结合线性回归估计的余弦朗伯定律,实现对地物后向散射值的按类辐射校正。针对Envisat ASAR C波段HH极化数据的实验结果表明,入射角效应对雷达后向散射有明显的影响,含水量越高的地物类型,入射角效应越明显。利用本文方法进行入射角效应校正的效果优于绝对定标和一阶余弦校正的效果。