卜丽静， 黄鹏艳， 沈璐

(1.辽宁工程技术大学测绘与地理科学学院，阜新 123000； 2.洛阳理工学院土木工程学院，洛阳 471000)

一种结合颜色特征的PolSAR图像分类方法

卜丽静1， 黄鹏艳2， 沈璐1

(1.辽宁工程技术大学测绘与地理科学学院，阜新 123000； 2.洛阳理工学院土木工程学院，洛阳 471000)

为了提出一种颜色特征与极化特征相结合的极化SAR图像分类方法，首先，通过极化目标分解得到极化特征向量; 然后，采用最佳指数模型方法生成极化SAR的假彩色合成图像，并提取颜色特征向量； 最后，将这2种特征组成综合特征向量，利用SVM方法进行分类。利用RadarSat-2的PolSAR数据进行了SAR图像分类实验，并对分类结果进行定性和定量比较分析。实验结果表明，颜色特征的加入能有效提高极化SAR图像的分类精度。

极化SAR分类； 假彩色增强； 颜色特征； 特征向量

0 引言

近年来，全极化合成孔径雷达(polarimetric synthetic aperture Radar，PolSAR)数据已经广泛的应用在多个领域[1]，PolSAR图像分类逐渐成为研究热点。分类方法中利用PolSAR数据特征向量进行分类的方法较为常见。极化特征[2]和纹理特征是分类中常用的特征。前者是利用极化目标分解提取分解参数并组成极化特征向量，后者是利用SAR强度图得到纹理特征向量。这2类特征可以分别使用，也可以相结合，达到提高分类精度的目的[3-7]。由于PolSAR具有HH，HV，VH和VV4个极化通道的数据，可以用多种方法得到SAR的假彩色合成图像[8]，而且其中含有丰富的颜色信息。颜色特征[9]是一种重要的视觉特征，用来描述整个图像或者特定图像区域的视觉内容，一般应用于图像检索、目标识别和图像编目方法等领域[10-13]。……