全极化SAR图像的煤矿区土地覆盖信息分层提取方法研究

为弥补光学遥感在煤矿区资源与生态环境监测中应用的不足,研究应用全极化SAR图像有效提取煤矿区土地覆盖信息的方法具有重要意义。针对全极化SAR图像极化信息丰富、斑点噪声多、局部异质性大等特点,提出采用面向对象的影像分类方法对其进行分层土地覆盖信息提取。以徐州市西南部的煤矿区为研究区,选取Radarsat-2的全极化SAR图像,分析了研究区内全极化SAR图像中典型地物的灰度特征,提出面向对象分类方法所涉及的最优分割尺度选择法,给出全极化SAR图像分割对象后向散射特征的计算方法。对研究区的SAR图像进行试验,首先对SAR图像进行多尺度分割,选择各土地覆盖类型的最优分割尺度,然后在该尺度下计算出土地覆盖类型的后向散射特征指数,最后采用模糊逻辑分类法分层提取出研究区内的土地覆盖信息。结果表明:在适于各土地覆盖类型提取的最优分割尺度下,充分利用分割对象的灰度、形状、纹理以及类间相关特征,并综合应用隶属函数法和最邻近分类法,能有效地提取煤矿区的农田、道路、塌陷地、建筑物、山林这5类土地覆盖信息。与最大似然分类法相比,该方法能够较好地消除"椒盐现象",各种土地覆盖类型的提取精度都有所提高,其总体分类精度可提高38.3%。