雷達植被指數與香農熵在GF-3影像分類中的應用

作者：張繼超,郭偉,周沛希

摘要：針對當前雷達影像分類過程中極化特征組合可提高分類精度這一問題,該文探討了極化特征組合在高分三號(GF-3)數據地物分類中的應用,以北京市昌平地區GF-3全極化合成孔徑雷達(SAR)數據為例,首先對數據進行最優極化分解選擇,選取Cloude分解數據為最優數據;然后基于相干矩陣的特征值,提取特征參數雷達植被指數(RVI)與香農熵(SE);最后組合這些極化特征對影像進行決策樹分類,并與傳統支持向量機(SVM)分類方法的精度進行比較。結果表明:本文采用的RVI與SE極化特征組合的決策樹分類方法,較傳統SVM分類方法的精度,有一定的提高,尤其是對旱地與有林地、城鎮建筑用地與工業用地的區分,效果更佳。

發文機構：遼寧工程技術大學測繪與地理科學學院

關鍵詞：高分三號雷達植被指數香農熵極化特征組合決策樹分類支持向量機GF-3radar vegetation indexShannon entropypolarization characteristic combinationdecision tree classificationsupport vector machine

分類號： P237[天文地球—攝影測量與遙感]