基于SAR极化特征的SVM道路提取方法研究

SAR图像中道路提取在路网规划建设、灾害监测等领域具有重要的应用价值.传统SAR图像道路提取方法多是基于SAR图像的幅值特性进行提取，缺少对极化特性的解译.此外极化分解方法多应用于水体提取、地物分类、建筑物提取等，较少应用于道路提取.针对现有的道路提取方法数据质量要求高、全极化道路提取研究较少、全极化数据源相干斑噪声影响大的问题，本文首先对全极化数据进行多视处理、滤波去噪预处理，并通过极化分解方法获取20维极化特征散射分量.其次，从散射机理的角度出发，构建鉴别道路信息的最优极化特征矢量.最后，通过SVM分类器得到初步道路提取结果，并通过数学形态法提取道路数据.实验结果表明，该方法达到了98.4%的Acc和65.3%的Iou,具有提取精度高、应用范围广的优点，充分利用高分辨率SAR数据的极化信息，可有效应用于SAR图像的道路提取方法研究中.此外，区分于将光学道路提取的方法直接套用到SAR图像道路提取研究，本文探索了极化特征在SAR图像道路提取中的应用表现，为SAR图像道路提取研究提出新模式新思路.