摘要：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%。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社