研究目的
研究断层合成孔径雷达(TomoSAR)数据在监督框架下生成语义土地覆盖图的潜力,并将其与极化SAR数据进行比较。
研究成果
当结合精心设计的包括空间和三维描述符在内的特征时,TomoSAR数据在土地覆盖分类中优于极化SAR数据,尤其对于城市和道路等具有挑战性的类别。这证明了TomoSAR在语义制图方面的潜力,并为未来开发更多特征和先进分类方法提供了建议。
研究不足
该研究依赖于手工设计的特征和特定数据集;未来工作可探索更复杂的算法及附加特征。该方法可能受限于多基线数据的可用性和计算资源。
1:实验设计与方法选择:
该方法包括从TomoSAR数据中提取特征(如协方差矩阵和断层图),并采用随机森林分类器进行监督分类。所设计特征旨在捕捉像素级、空间及三维上下文信息。
2:样本选择与数据来源:
使用E-SAR传感器(德国航空航天中心)L波段Oberpfaffenhofen场景的PolTom数据集,包含14幅VV极化TomoSAR图像和1幅全极化PolSAR图像。该数据集人工标注了五类参考标签:城市、道路、森林、灌木丛和农田。
3:实验设备与材料清单:
E-SAR传感器数据,用于特征提取与分类的计算工具。
4:实验流程与操作步骤:
从协方差矩阵和断层图中提取特征(包括统计矩、互相关系数和三维几何矩),并通过图像块与超像素添加空间特征。在选定波段上训练随机森林分类器,并对剩余数据进行评估。
5:数据分析方法:
通过总体精度(OA)和平衡精度(BA)评估分类准确率,并分析特征重要性。
独家科研数据包,助您复现前沿成果,加速创新突破
获取完整内容