基于流形学习的高分SAR图像建筑区提取方法

编号 zgly0001594934

文献类型 期刊论文

文献题名 基于流形学习的高分SAR图像建筑区提取方法

作者 崔师爱  程博  刘岳明 

作者单位 中国科学院遥感与数字地球研究所  中国科学院大学 

母体文献 国土资源遥感 

年卷期 2017年04期

年份 2017 

分类号 TN957.52 

关键词 高分SAR图像  流形学习  自适应邻域选择的邻域保持嵌入(ANSNPE)  建筑区提取 

文摘内容 高空间分辨率(简称高分)SAR图像具有高维非线性特点,以高维空间蕴含的低维流形描述SAR图像,会更有利于目标识别。将流形学习应用到高维SAR目标识别的特征表达中,提出一种新的高分SAR图像建筑区提取方法。首先,对高分SAR图像进行预处理;然后,采用灰度共生矩阵(gray level co-occurrence matrix,GLCM)提取8种纹理特征,与灰度图像共同构建SAR图像的高维特征集;利用自适应邻域选择的邻域保持嵌入(adaptive neighborhood selection neighborhoods preserving embedding,ANSNPE)算法对高维特征集进行特征提取,提取出新的特征;最后,通过阈值分割及后处理提取建筑区,并进行精度评价。选择Terra SAR-X数据进行实验研究,结果表明,ANSNPE算法能够从高分SAR图像中有效提取建筑区,并具有较强的泛化能力;通过训练数据获得的投影矩阵可直接应用到新样本中,建筑区提取精度达85%以上。