基于极化分解和集成学习的PolSAR影像分类

来源：农业工程学报杂志2020年第16期北京时间：

作者：肖艳,王斌,姜琦刚,闻雅,

摘要：为实现PolSAR数据极化信息的充分利用，以进一步改善分类效果，该研究提出了一种基于极化分解和集成学习的PolSAR影像分类方法。该方法首先利用多种极化分解方法从PolSAR影像中提取极化参数；将提取的极化参数组合成一幅多通道影像；然后对多通道影像进行分割和特征提取，分别提取出各目标极化分解方法所对应的特征；并进行特征选择和分类，得到各目标极化分解方法的分类结果；最后利用集成学习技术对各分类结果进行集成。该研究以吉林省长春市部分区域为研究区，Radarsat2影像为数据源，将提出的方法应用于土地覆被分类中，取得了较好的分类效果，总体精度和Kappa系数分别达到了92.49%和0.90。此外，该研究还将提出方法与其他基于多种极化分解的分类方法进行比较，对比方法的总体精度和Kappa系数分别为90.74%和0.88，比提出方法分别低1.75%和0.02，对比结果进一步证明了提出方法的优越性。

关键词：遥感, 分类, 集成学习, PolSAR, 极化分解, 面向对象方法, 土地覆被分类