极化合成孔径雷达(PolSAR)是近年来遥感领域最为先进的传感器之一。极化SAR图像分类是极化SAR图像解译的重要研究内容和关键技术之一,在民用和军事领域均有重大的理论意义和应用价值。本文针对近年来国内外极化SAR图像分类方法中存在的一些问题,从空间相关性、空间自适应性和类别数目自适应性三个方面对极化SAR地物分类技术展开研究,主要的工作和贡献如下:1)充分考虑了图像中像素与像素之间的空间相关性,引入了计算机视觉领域的超像素概念。根据极化SAR数据所特有的统计特性,有效提取图像中的边缘信息,并结合归一化切割准则,提出一种基于超像素的极化SAR图像监督分类方法。该方法分类结果清晰,易于理解;2)结合H/a-Wishart聚类、四叉树分解和Wishart马尔科夫随机场(Wishart-MRF),提出了一种能够自适应空间复杂度的极化SAR图像分割方法,该方法具有一定的空间自适应性,能够有效保留图像中的细节信息;3)介绍了知识与数据挖掘领域中一种可视化的聚类趋势分析方法,并结合超像素的生成,提出一种基于超像素的极化SAR图像地物类别数目估计与分类方法。该方法在无先验知识的指导下,不但能够较为准确估计出极化SAR图像中地物的类别数目,而且可以快速确定每一种地物类别的聚类中心并以此为基础进行无监督分类。分类的准确度较高,分类结果易于理解和进一步分析。此外,还将该方法拓展到高分辨率SAR领域,结合灰度和纹理特征分析,进行高分SAR图像地物类别数目估计和分类,也取得了较好的结果。
