结合贝叶斯理论和MRF的主被动遥感数据协同分类

摘要：

提出一种基于贝叶斯理论和马尔科夫随机场MRF(Markov Random Fields)的主被动遥感数据协同分类方法.该方法依据光学与微波遥感数据在地物提取中的各自优势,首先对ASAR后向散射系数进行入射角归一化,然后构建一种基于贝叶斯理论和MRF的分类器,以归一化后的ASAR双极化数据与TM7个波段共同参与分类.分别对ASAR入射角归一化的有效性和主被动协同的必要性进行验证,结果表明,采用本文方法的分类精度达到89.4％,较未进行角度校正的主被动数据协同分类的精度提高了4.1％,较单独TM分类的精度提高了11.5％,体现出主被动遥感数据协同在分类上的潜力.

关键词：主被动遥感、入射角归一化、贝叶斯理论、马尔科夫随机场(MRF)

所属期刊栏目：16

分类号：TP701(遥感技术)

资助基金：国家自然科学基金41101321;国家重点基础研究发展计划973计划2007CB714407;中国测绘科学研究院科研基本业务经费7771023;7771017

在线出版日期：2012-10-22（万方平台首次上网日期，不代表论文的发表时间）

页码：809-825