| 基于RNMU的多源星载SAR影像融合与土地覆盖分类 |
| |
| 引用本文： | 李俐,陈琦琦,张超,尤淑撑,魏海,付雪.基于RNMU的多源星载SAR影像融合与土地覆盖分类[J].农业机械学报,2020,51(3):191-200. |
| |
| 作者姓名： | 李俐 陈琦琦 张超 尤淑撑 魏海 付雪 |
| |
| 作者单位： | 中国农业大学土地科学与技术学院,北京100083;农业农村部农业灾害遥感重点实验室,北京100083;中国农业大学土地科学与技术学院,北京100083;中国国土勘测规划院,北京100035;中国农业大学信息与电气工程学院,北京100083 |
| |
| 基金项目： | 国家重点研发计划项目（2017YFB0502700） |
| |
| 摘 要： | 为充分利用多时相、多极化SAR数据在不同土地覆盖类型中的后向散射特性,将递归非负矩阵下近似(Recursive nonnegative matrix underapproximation,RNMU)算法引入多源SAR数据的融合,并利用融合后的SAR影像实现较高精度的土地覆盖分类。融合过程中,在根据不同模式SAR影像特点进行多源SAR影像预处理的基础上,基于RNMU算法通过对多个输入SAR影像进行矩阵分解及迭代最优矩阵求解,得到融合影像。为验证融合后SAR影像在土地覆盖分类中的应用效果,以吉林省大安市为研究区,对多时相Sentinel-1的VV/VH双极化SAR数据和高分三号(GF-3)的HH/HV双极化SAR数据进行了基于RNMU的影像融合,并利用融合后的SAR影像进行研究区主要土地覆盖类型分类。实验结果表明,基于RNMU融合影像的土地覆盖分类总体精度达93. 11%,Kappa系数为0. 86,与Gram-Schmid(G-S)融合方法相比,分类总体精度提高了6. 83个百分点,Kappa系数提高0. 12。多源SAR融合为SAR影像融合提供了有效手段,为土地覆盖分类提供了更多高精度的数据资源。
|
| 关 键 词： | 土地覆盖分类 影像融合 高分三号 Sentinel-1 递归非负矩阵下近似 |
| 收稿时间： | 2019/7/21 0:00:00 |
Multi-source Spaceborne SAR Image Fusion Based on RNMU and Land Cover Classification |
| |
| LI Li,CHEN Qiqi,ZHANG Chao,YOU Shucheng,WEI Hai and FU Xue.Multi-source Spaceborne SAR Image Fusion Based on RNMU and Land Cover Classification[J].Transactions of the Chinese Society of Agricultural Machinery,2020,51(3):191-200. |
| |
| Authors: | LI Li CHEN Qiqi ZHANG Chao YOU Shucheng WEI Hai and FU Xue |
| |
| Institution: | China Agricultural University,China Agricultural University,China Agricultural University,China Land Survey and Planning Institute,China Land Survey and Planning Institute and China Agricultural University |
| |
| Abstract: | |
| |
| Keywords: | land cover classification image fusion GF-3 Sentinel-1 recursive nonnegative matrix underapproximation |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
| 点击此处可从《农业机械学报》浏览原始摘要信息 |
| 点击此处可从《农业机械学报》下载免费的PDF全文 |
|
