典型文献
基于SAR极化特征的SVM道路提取方法研究
文献摘要：
SAR图像中道路提取在路网规划建设、灾害监测等领域具有重要的应用价值.传统SAR图像道路提取方法多是基于SAR图像的幅值特性进行提取,缺少对极化特性的解译.此外极化分解方法多应用于水体提取、地物分类、建筑物提取等,较少应用于道路提取.针对现有的道路提取方法数据质量要求高、全极化道路提取研究较少、全极化数据源相干斑噪声影响大的问题,本文首先对全极化数据进行多视处理、滤波去噪预处理,并通过极化分解方法获取20维极化特征散射分量.其次,从散射机理的角度出发,构建鉴别道路信息的最优极化特征矢量.最后,通过SVM分类器得到初步道路提取结果,并通过数学形态法提取道路数据.实验结果表明,该方法达到了 98.4％的Acc和65.3％的Iou,具有提取精度高、应用范围广的优点,充分利用高分辨率SAR数据的极化信息,可有效应用于SAR图像的道路提取方法研究中.此外,区分于将光学道路提取的方法直接套用到SAR图像道路提取研究,本文探索了极化特征在SAR图像道路提取中的应用表现,为SAR图像道路提取研究提出新模式新思路.
文献关键词：
SAR图像;极化分解;SVM分类;道路提取
中图分类号：
作者姓名：
苏晓洁;刘秀清
作者机构：
中国科学院空天信息创新研究院,北京100090;中国科学院大学电子电气与通信工程学院,北京100049
文献出处：
引用格式：
[1]苏晓洁;刘秀清-.基于SAR极化特征的SVM道路提取方法研究)[J].微电子学与计算机,2022(08):47-54
A类：
Iou
B类：
SAR,道路提取,中道,路网规划,规划建设,灾害监测,对极,极化特性,解译,极化分解,分解方法,多应用,水体提取,地物分类,建筑物提取,法数,数据质量,质量要求,全极化,数据源,相干斑噪声,噪声影响,滤波去噪,特征矢量,分类器,步道,数学形态法,取道,路数,Acc,有效应用,学道,套用,应用表现
AB值：
0.326575
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。
