Please wait a minute...
img

官方微信

遥感技术与应用  2019, Vol. 34 Issue (3): 647-654    DOI: 10.11873/j.issn.1004-0323.2019.3.0647
遥感应用     
基于全极化SAR影像的海岛地物分类
徐梦竹1,徐佳1,邓鸿儒1,袁春琦2
 (1.河海大学地球科学与工程学院,江苏 南京 211100;
2.北方信息控制研究院集团有限公司,江苏 南京 211153)
Land-use Classification of Islands based on Fully Polarimetric SAR Data
Xu Mengzhu1,Xu Jia1,Deng Hongru1,Yuan Chunqi2
(1.School of Earth Sciences and Engineering,Hohai University,Nanjing 211100,China;
2.North Information Control Group,Nanjing 211153,China)
 全文: PDF(14247 KB)  
摘要: 我国海岛众多且资源丰富,针对海岛地物复杂和难以采集训练样本的特点,在分析9种极化特征参数对海岛地物区分能力的基础上,提出了一种基于全极化SAR影像的海岛地物分类方法。该方法采用Freeman分解和Cloude-Pottier分解提取的极化特征与Shannon熵组成特征集,通过自编码器对原始特征进行学习重构,提取更具有可分性的深层特征,并利用主动学习选择最优价值的样本加入训练样本以提高分类器分类效果。通过对舟山群岛全极化SAR影像进行分类实验,结果表明:该方法能够对全极化SAR影像中的不同海岛地物进行有效区分,特别是引入Shannon熵后能明显提升海水、泥滩和沙滩的分类精度;基于主动深度学习的分类方法可以在样本有限的情况下得到比传统分类方法更好的分类结果。
关键词: 极化SAR极化目标分解香农熵主动学习深度学习
    
Abstract:

There are numerous islands with abundant resources in China.Due to the limited information included in common polarization features and the poor effect of traditional classification methods when there are few samples,nine polarization features are analyzed and classification is carried out using active deep learning.Firstly,multiple features are extracted from an original image.Then,the original features can be extracted by anto\|encoder and the initial classifier is trained and fine-tune the whole model with a small number of labeled samples.Finally,the most uncertain samples are selected to label with active learning algorithm and added to the training samples.Experiment comfirms that active deep learning can effectively improve the classification accuracy with less labeled samples and entropy shannon is a more effective feature to distinguish between seawater,mudflats and beaches.

Key words: Polarimetric SAR    Target decomposition    Shannon entropy    Active learning    Deep learning
收稿日期: 2018-06-28 出版日期: 2019-07-09
ZTFLH:  TP79  
基金资助: 卫星测绘技术与应用国家测绘地理信息局重点实验室经费资助项目“面向滨海湿地的极化SAR影像特征提取与半监督分类研究”(20175014612),
浙江省流域水环境与健康风险研究重点实验室资助项目“基于极化SAR影像的滨海湿地分类研究”(IWATER-KF-201702),
国家自然科学基金项目“基于视觉注意机制的SAR图像小目标检测方法研究”(41301449)。
通讯作者: 徐梦竹(1993-),女,江苏常州人,硕士研究生,主要从事遥感图像处理方面的研究。Email:229340733@qq.com。   
服务  
把本文推荐给朋友
加入引用管理器
E-mail Alert
RSS
作者相关文章  

引用本文:

徐梦竹, 徐佳, 邓鸿儒, 袁春琦. 基于全极化SAR影像的海岛地物分类[J]. 遥感技术与应用, 2019, 34(3): 647-654.

Xu Mengzhu, Xu Jia, Deng Hongru, Yuan Chunqi. Land-use Classification of Islands based on Fully Polarimetric SAR Data. Remote Sensing Technology and Application, 2019, 34(3): 647-654.

链接本文:

http://www.rsta.ac.cn/CN/10.11873/j.issn.1004-0323.2019.3.0647        http://www.rsta.ac.cn/CN/Y2019/V34/I3/647

[1] 李春江, 沈国状, 张继超. 基于灰色系统理论的植被物理参数与极化分解参数的关联分析—以鄱阳湖湿地为例[J]. 遥感技术与应用, 2019, 34(2): 284-292.
[2] 李姣姣, 刘玉, 陈锟山. 基于香农熵的极化SAR相干矩阵信息量评价[J]. 遥感技术与应用, 2018, 33(5): 842-849.
[3] 张程,张红,王超. 基于PCDM香农熵的全极化SAR图像船舶目标检测方法[J]. 遥感技术与应用, 2018, 33(3): 499-507.
[4] 翟玮,沈焕锋,黄春林. 结合PolSAR影像纹理特征分析提取倒塌建筑物[J]. 遥感技术与应用, 2016, 31(5): 975-982.
[5] 桂容,徐新,董浩,宋超. 全极化SAR影像城区建筑密度分析[J]. 遥感技术与应用, 2016, 31(2): 267-274.
[6] 李天祺,朱秀芳,潘耀忠,刘宪锋,陈抒晨. 基于POLSAR极化散射特征与光学归一化指数的农村居民点用地提取[J]. 遥感技术与应用, 2016, 31(1): 157-164.
[7] 谢镭,张红,王超,张波,吴樊,汤益先. 一种新的简缩极化SAR图像H/α特征空间[J]. 遥感技术与应用, 2015, 30(1): 68-75.
[8] 任俊英,苏彩霞,曹永锋. 基于中间层特征的全极化SAR监督地物分类[J]. 遥感技术与应用, 2014, 29(2): 330-337.
[9] 吴冰洁,张波,张红. 基于改进的S-NMF方法的全极化SAR船舶检测[J]. 遥感技术与应用, 2013, 28(2): 217-224.
[10] 王庆,曾琪明,焦健. 全极化SAR极化特征谱应用研究[J]. 遥感技术与应用, 2012, 27(6): 896-903.
[11] 张 波,王 超,张 红,吴 樊. SAR影像建筑物提取与高度反演研究综述[J]. 遥感技术与应用, 2012, 27(4): 496-503.
[12] 田 昕,陈尔学,李增元,凌飞龙,白黎娜,王琫瑜. 基于多极化星载SAR数据的水稻/旱田识别—以江苏省海安县为例 [J]. 遥感技术与应用, 2012, 27(3): 406-412.
[13] 陈曦, 吴涛, 阮祥伟. 极化SAR海面船只检测技术的研究进展[J]. 遥感技术与应用, 2009, 24(6): 841-848.
[14] 邹斌,张腊梅,孙德明,张晔. PolSAR图像信息提取技术及应用的发展[J]. 遥感技术与应用, 2009, 24(3): 263-273.
[15] 廖静娟,沈国状. 基于多极化SAR图像的鄱阳湖湿地表淹没状况动态变化分析[J]. 遥感技术与应用, 2008, 23(4): 373-377.