基于特征值和Singh分解的全极化Radarsat-2图像分类

摘要

基于模型的分解发展较快，但存在负功率、体散射过估计、未充分利用相干矩阵等问题，考虑到基于模型分解的优点，采用Singh分解提取极化信息，同时用散射角、极化熵和极化总功率进行补充，再利用SVM对山东禹城地区全极化Radarsat-2数据进行分类。为验证该方法的有效性，将其与H/α/A-Wishart和Yamaguchi-SVM两种分类方法进行比较。结果表明，该方法分类效果较好，总体精度分别提高了6.4%和3.48%。