原创力文档- 1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
- 2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
查看更多
摘要：提出一种基于极化参数优化的面向对象分类方法。该方法结合光学和SAR数据，有效提高了对地物的识别能力。本文方法的关键在于：在H-A-α分解中，使用光学影像指导SAR影像选择同质点，使其更精确地估计极化参数并结合光学波谱信息作为输入特征；使用面向对象的分类方法，仅将光学影像作为分割输入，避免SAR噪声引起的分割错误。以美国Bakersfield地区的Sentinel-1/2数据为例，确定7种地物类型，对比分析不同输入与不同分类器对分类结果的影响。研究表明，优化输入参数在纹理丰富区域能够有效提高分类精度；面向对象的分类结果更加稳定并较好地维持地表几何特征；改进分类方法较传统分类方法总体精度提高
文档评论（0）