Sentinel-1A与不同云量Sentinel-2A的融合尺度及分类研究

来源：湖北农业科学杂志2020年第5期北京时间：

作者：罗冬, 罗红霞, 刘光鹏, 雷茜, 冯华梅

单位：西南大学地理科学学院/岩溶环境重庆市重点实验室,重庆 400715

摘要：为了提高多云雾地区光学遥感影像利用率、探索不同云量的光学影像和SAR影像的最佳融合尺度,选取重庆市渝中地区为研究区,基于Sentinel-1A极化合成孔径雷达（SAR）影像与不同云量的Sentinel-2A（云量分别为0、10%、20%、30%）光学影像,进行小波变换融合、乘积变换融合、高通滤波融合,再利用图像评价方法评价影像融合以后的效果,最后利用面向对象的方法对融合前后的影像进行分类,利用混淆矩阵比较最终的分类精度。结果显示,无云情况下,小波变换融合效果最好,最大限度地保留了原多光谱影像的亮度、反差,有效防止了影像信息的丢失,对植被的解译能力有了明显改善,而融合后的影像保真度较差,其余两种融合效果相对次之,因此,在多云雾地区进行多源遥感数据融合时,尤其是异质数据融合时,优先推荐小波融合算法;当云量为10%以上时,3种融合算法虽然信息熵略有增加,但平均梯度、标准差减少了,造成解译困难,导致最终分类精度均略低于Sentinel-2A影像,远低于Sentinel-1A影像,基本不能满足使用要求,因此,在进行地表覆被解译时,推荐用SAR影像替代光学影像。

关键词：影像融合,合成孔径雷达（SAR）,地表覆被分类,面向对象分类方法,多云雾地区

基金资助：国家自然科学基金项目（41201436）