典型文献
基于改进SVM分类法的SAR图像水体面积提取研究
文献摘要：
在复杂地表环境下的多云多雨地区,基于合成孔径雷达(SAR)图像提取水体时容易受到其它地物如水田、山体阴影等干扰,传统的灰度阈值法和SVM法未能考虑水体与其它地物在纹理和地形上的差异,因此水体提取结果精度较差.研究首先用Refined Lee滤波对SAR图像进行预处理;其后通过DEM建模和坡度计算提取地形特征,通过计算图像灰度共生矩阵以提取纹理特征(包括均匀性、角二阶矩和熵),并结合SAR图像极化信息以及SDWI指数形成针对水体提取的特征空间,通过融合地形特征和图像纹理特征发展了改进SVM分类法的水体提取模型.在使用Sentinel-1 SAR数据对所发展模型与SDWI水体指数法、传统SVM法水体提取结果进行比对后发现,改进SVM分类法提取的水体结果较好地剔除了水田和山体阴影,且提取的水体水面比传统的SVM法更加完整;该方法在总体精度、Kappa系数、漏分率和错分率指标上均优于SDWI法和传统的SVM法,总体精度达到98.06％,比SDWI法和传统的SVM法分别提高了 23.24％和5.49％,有效提高了复杂环境下地表水体的提取精度.研究最后将所发展模型应用于2018年马哈韦利河流域逐月水体提取与变化分析,有效解决了山体阴影和水田误分问题.本文提出的改进SVM法可以实现复杂地表环境下大范围水体信息准确、完整提取.
文献关键词：
SVM;复杂水环境;Sentinel-1 SAR数据;水体提取;SDWI;地形特征;纹理特征;斯里兰卡马哈韦利河流域
中图分类号：
作者姓名：
邱凤婷;过志峰;张宗科;魏显虎;景睦馨
作者机构：
中国科学院空天信息创新研究院,北京100094;中国科学院大学电子电气与通信工程学院,北京100049;中国科学院中国—斯里兰卡水技术研究与示范联合中心,北京100085;中国四维测绘技术有限公司,北京100094;宾夕法尼亚州立大学工程学院,宾夕法尼亚州16802
文献出处：
引用格式：
[1]邱凤婷;过志峰;张宗科;魏显虎;景睦馨-.基于改进SVM分类法的SAR图像水体面积提取研究)[J].地球信息科学学报,2022(05):940-948
A类：
哈韦利,斯里兰卡马哈韦利河流域
B类：
分类法,SAR,水体面积提取,复杂地表,多云,多雨,雨地,合成孔径雷达,图像提取,取水,地物,水田,山体阴影,灰度阈值,阈值法,水体提取,先用,Refined,Lee,DEM,地形特征,计算图,灰度共生矩阵,二阶矩,SDWI,特征空间,和图像,图像纹理特征,征发,提取模型,Sentinel,发展模型,水体指数法,水面,加完,总体精度,Kappa,分率,错分,复杂环境,地表水体,模型应用,逐月,变化分析,水体信息,复杂水环境
AB值：
0.312507
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
