高分辨率SAR影像土地覆盖利用分类方法研究文献综述

 2022-10-27 10:36:22

文献综述（或调研报告）：

  1. 引言

土地覆盖/利用分类在光学遥感影像处理中一直都是研究热点，由于光学影像成像符合人眼的视觉特性并且包含了丰富的地物光谱信息，使得依靠光学影像的信息解译和提取变得相对简单和直接。但是其传感器经常会受到成像时间、云层遮挡以及天气的影响，不能实时获取相应的地面信息，同时地物的阴影也常常造成解译的不准确性。

合成孔径雷达(Synthetic Aperture Radar，SAR) 是一种主动式微波遥感传感器，能够提供与地物散射特性相关的幅度、相位、频率和极化等丰富信息，由于其具有全天时、全天候的特点，能够长时间、大范围地以固定周期对地表进行连续、稳定的观测。目前新一代的高分辨率SAR卫星的地面分辨率已经达到米级。正是由于SAR的这些优点，使它如今成为对地观测的重要手段之一。

然而，SAR影像往往波段数比较少，极化方式也有限，其成像带来的相干斑噪声、斜距离成像、近距离收缩、顶底倒置等因素，决定了SAR影像的解译比较困难。因此，只使用SAR影像进行地表覆盖／利用分类比较困难。

本研究拟利用高分辨率SAR影像进行土地覆盖/利用分类，并在此基础上引入光谱信息，将光学影像和SAR影像进行融合，以获得高质量的融合数据，提高分类的精度和可靠性。

  1. 研究现状

对于利用SAR影像进行分类方面，国内外许多学者已经开展了一系列的研究。1998年，Guoqing Liu等人提出利用最大似然（Maximum Likelihood，ML）分类算法对多视极化SAR图像进行分类。该算法考虑了一个广义乘性散斑模型，为了提高分类精度，采用自适应先验概率的方法[1]。同年，Guoqing Liu等人提出了新的极大似然分类算法来对SAR图像进行分类。NASA / JPL机载L波段极化SAR数据的实验结果证明了新算法的有效性[2]。1999年，L. V. Dutra用不同类型的分类器进行分类的特征的详细比较和评估，研究的分类器是最大似然，模糊ARTMAP（Fuzzy Adaptive Resonance Theory Map）和多层感知器，其中多层感知器的总分类准确率最优[3]。2008年，王树文等人使用5种不同算法的噪声滤波技术，针对去噪效果进行定量评价，得出基于几何滤波器伽马 MAP（Gamma MAP）既能有效地去除斑点噪声，又能保持图像的边缘细节[4]。同年，陈富龙等人评价分析了单极化合成孔径雷达影像在土地利用分类中的潜力，并指出多极化SAR影像土地利用分类将是以后重点工作方向[5]。2008年，吴永辉等人通过分析比较利用SVM的全极化、双极化与单极化SAR图像分类性能，表明全极化SAR图像能获得最高的分类正确率，双极化次之，单极化最低[6]。2016年，王晓颖和王众娇提出了基于颜色迁移的单极化 SAR图像伪彩色增强，该方法通过伪彩色编码将 SAR图像变为过渡彩色图像，运用保持细节的颜色迁移方法在颜色迁移的过程中保留 SAR图像的细节信息，用改变各通道系数的方式进行色调调整使得 SAR图像与光学图像有着相同的颜色信息，取得了较好的结果[7]。2017年，徐丰等人将计算机视觉领域变革性新技术卷积神经网络（Convolutional Neural Network，CNN）应用于SAR图像解译，尝试了深度卷积神经网络在SAR图像目标识别与全极化SAR地物分类中的应用[8]。

在SAR光学影像融合分类方面，1997 年，Stussi. N 和 Liew. SC 等人提出将光学影像和 SAR 数据融合，进行土地覆盖分类的分类方法[9]。1999年,于秀兰和钱国蕙对TM和SAR遥感图像不同层次的融合分类进行比较，得出图像融合之后分类精度更好，并且提出决策层融合是多传感器遥感图像融合计算机自动分类最理想的层次[10]。2000年，于秀兰等尝试了应用粗集理论(Rough Set)对LandSat卫星的TM和JERS-1卫星的SAR图像融合分类进行特征选取，结果表明可以显著提高分类精度[11]。2006年，张海龙等将SAR与TM影像融合，利用BP神经网络进行分类，其结果显示出融合后各种地物间更易于区分，分类精度得到提高[12]。2009年，中国海洋大学海洋遥感研究所的郑凯等人利用多光谱与合成孔径雷达图像研究土地利用/土地覆盖动态变化，文中提到了韩霞、金亚秋等利用ERS-2 SAR和Landsat ETM 进行融合，并对融合后的图像采取分层提取。Daniel B.Michelson等以1幅TM影像和7幅SAR图像为数据源，通过对研究区域单独利用TM影像、单独利用SAR影像、综合利用TM影像和SAR影像,分别利用最大似然法、SMAP方法、神经网络法分类，实验结果证明加入SAR图像后分类，总体精度得到了提高[13]。2014年，陈劲松等人对雷州半岛进行多源遥感信息的分类，充分利用各种信息源的优势，结果表明有效地提高了遥感土地利用监测的效率和精度[14]。2016年，姬永杰等将SAR数据与光学数据融合进行土地覆盖分类，结果表明可以提高土地利用覆盖分类的精度[15]。何曙光等利用小波变换的方法融合高分辨率的TerraSAR 影像与 Quick-bird 光学影像，采用融合后的影像进行土地覆盖分类，结果表明融合后的影像结合了二者的优势，具有比光学影像更容易分辨的光谱信息和边界 [16]。

总结

如今，随着研究的深入，提高分类精度主要通过改进或设计新算法，从SAR中提取新的特征信息或辅助其它信息等。高分辨率SAR为研究者提供更为丰富、真实、全面的数据，同时也出现了新的难题，如高分辨率下地物极化特性的改变以及图像解译处理难度增加等。因此，利用高分辨SAR影像进行土地覆盖/利用分类有待进一步研究。

参考文献

剩余内容已隐藏，您需要先支付 10元 才能查看该篇文章全部内容！立即支付

以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。

您可能感兴趣的文章