期刊导航
期刊开放获取
cqvip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
一种改进的MCSM/H-PSO全极化SAR影像分类方法
被引量：
5
1
作者
余莎莎
余洁
+1 位作者
朱腾
王彦兵
《测绘通报》
CSCD
北大核心
2018年第11期53-57,共5页
粒子群算法由于其优秀的随机全局寻优能力,在遥感图像分类领域应用广泛。为进一步提高粒子优劣判别能力,使得最终聚类中心更具合理性,本文在应用PSO算法进行全极化SAR影像分类时,考虑影像相邻像素间具有空间相关性,提出了加权PSO算法,...
粒子群算法由于其优秀的随机全局寻优能力,在遥感图像分类领域应用广泛。为进一步提高粒子优劣判别能力,使得最终聚类中心更具合理性,本文在应用PSO算法进行全极化SAR影像分类时,考虑影像相邻像素间具有空间相关性,提出了加权PSO算法,以提高分类精度。同时,在进行全极化SAR影像分类时,为了更充分地利用全极化SAR影像极化特征,采用多成分散射模型分解(MCSM)方法结合散射熵提取影像6种极化特征。改进的MCSM/H-PSO全极化SAR影像分类方法,首先通过MCSM分解和散射熵对全极化SAR影像进行基于散射机理的初分类,再将分类结果作为加权PSO算法的初始类别划分,并通过迭代实现地物分类。采用北京市Radarsat 2全极化SAR数据和美国旧金山AIRSAR全极化SAR数据分别进行试验,本文方法分类总体精度分别可达90.57%和93.25%。
展开更多
关键词
全
极化
sar
影像
分类
MCSM分解
PSO算法
散射熵
下载PDF
职称材料
题名
一种改进的MCSM/H-PSO全极化SAR影像分类方法
被引量：
5
1
作者
余莎莎
余洁
朱腾
王彦兵
机构
首都师范大学资源环境与旅游学院
首都师范大学城市环境过程与数字模拟国家重点实验室培育基地
首都师范大学三维信息获取与应用教育部重点实验室
首都师范大学资源环境与地理信息系统北京市重点实验室
广东工业大学机电工程学院
出处
《测绘通报》
CSCD
北大核心
2018年第11期53-57,共5页
基金
国家自然科学基金(41671417)
科技创新服务能力建设-基本科研业务费(科研类)(025185305000/191)
文摘
粒子群算法由于其优秀的随机全局寻优能力,在遥感图像分类领域应用广泛。为进一步提高粒子优劣判别能力,使得最终聚类中心更具合理性,本文在应用PSO算法进行全极化SAR影像分类时,考虑影像相邻像素间具有空间相关性,提出了加权PSO算法,以提高分类精度。同时,在进行全极化SAR影像分类时,为了更充分地利用全极化SAR影像极化特征,采用多成分散射模型分解(MCSM)方法结合散射熵提取影像6种极化特征。改进的MCSM/H-PSO全极化SAR影像分类方法,首先通过MCSM分解和散射熵对全极化SAR影像进行基于散射机理的初分类,再将分类结果作为加权PSO算法的初始类别划分,并通过迭代实现地物分类。采用北京市Radarsat 2全极化SAR数据和美国旧金山AIRSAR全极化SAR数据分别进行试验,本文方法分类总体精度分别可达90.57%和93.25%。
关键词
全
极化
sar
影像
分类
MCSM分解
PSO算法
散射熵
Keywords
sar
image classification
MCSM decomposition
the PSO algorithm
scattering entropy
分类号
P237 [天文地球—摄影测量与遥感]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
一种改进的MCSM/H-PSO全极化SAR影像分类方法
余莎莎
余洁
朱腾
王彦兵
《测绘通报》
CSCD
北大核心
2018
5
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
