多尺度下的半自动面向对象sar影像分类

？给出了一种评估不同分割尺度的总分类精度,搜寻最高精度分类结果的半自动面向对象sar影像分类方法。首先训练像素样本；然后利用分水岭分割sar数据的幅度影像,基于极化散射特征合并初始分割区域,得到不同尺度下的影像分割结果,利用样本坐标确定分割区域,计算各区域内强度、散射角、熵、反熵以及相干矩阵的最大特征值(λ1)等特征的平均值。将上述平均值作为分类特征以训练对象样本；再利用ssvm执行分类,通过评估不同分割尺度下的分类结果,搜寻最高总分类精度。该方法在减少人为干预的条件下,半自动搜寻到了适合分类的分割尺度,解决了尺度选择问题,实现了面向对象的sar影像分类。采用该方法对荷兰flevoland地区的sar影像进行了实验。结果表明,本文方法的总分类精度达到了93.32%,与基于像素的分类精度（76.52%）相比,精度得到了提高.