基于SVM+SFS策略的多时相紧致极化SAR水稻精细分类

编号 zgly0001656012

文献类型 期刊论文

文献题名 基于SVM+SFS策略的多时相紧致极化SAR水稻精细分类

作者 国贤玉  李坤  王志勇  李宏宇  杨知 

作者单位 山东科技大学测绘科学与工程学院  中国科学院遥感与数字地球研究所  中国地质大学(北京)地球科学与资源学院  中国电力科学研究院输变电工程研究所 

母体文献 国土资源遥感 

年卷期 2018年04期

年份 2018 

分类号 S511 

关键词 CP-SAR  SVM+SFS  水稻田  决策树分类  多时相 

文摘内容 种类和种植方式的不同会导致水稻长势、产量的差异。精细区分不同水稻品种与种植方式,能够为水稻长势监测与估产提供更精准的信息。紧致极化SAR(compact polarimetry synthetic aperture Radar,CP-SAR)作为新一代对地观测SAR系统的重要发展趋势之一,同时兼具相对丰富的极化信息和较大的幅宽,为大范围水稻精细制图提供了可能。本研究首先利用RADARSAT-2全极化SAR数据模拟CP-SAR数据,并提取了22个CP-SAR特征参数;然后,针对CP-SAR多维特征信息,引入基于支持向量机和序列前进搜寻策略(support vector machine+sequential forward selection,SVM+SFS)的特征选择方法,构建基于决策树和SVM的水稻精细分类方法,得到了水稻精细分类的最优特征子集。实验结果表明,基于决策树的水稻精细分类方法可以获得较好的分类结果,总体精度达92. 57%,Kappa系数达0. 896,与全部特征参数进行分类的结果相比,总体精度高1. 2%,Kappa系数大0. 016。