实验与分析: 一个关键的研究组成部分

用了NASA/JPL实验室AIRSAR系统(机载)1获取的荷兰中部Flevoland 地区L 波段全极化4视数据的一部分,像素水平方向(方位向) 分辨率为12.1m,垂直方向(距离向) 分辨率为6. 7m。所截取的图像大小为300×190，包含5 类地物，除一块裸地外,其余地物为油菜、紫花苜蓿、土豆、甜菜、豌豆5 种农作物。在成像同期由JPL 实验室组织对这一地区进行了详尽的勘察,得到了真实地物分布参考图,为评估分割精度提供了依据。图4.7给出了Flevoland 数据的极化白化滤波后的结果图。

本专著所截取的实验样本中包含的地物大致可分为5类。图4.7是经过极化白化滤波处理后的图像，其中区域1为裸地，2为油菜地，3为苜蓿，4为土豆，5为甜菜。

图4.7　极化白化滤波图

采用了4种不同的分割方法进行试验。4种方法主要区别在于采用的极化目标分解方式和初始分割结果的选取：①传统基于H/α分解Wishart分割。先对极化数据提取H分割和α分量，将地物初始分为8类作为初始分割结果，再计算Wishart距离进行聚类。②传统的基于H/α/A分解Wishart分割，与①不同的是在进行极化目标分解时，提取了反熵，将地物初始分割成16类。③基于H/α分解 WMRF最大后验分割。采用H/α分解将地物进行初始划分，再计算Wishart距离进行迭代聚类，聚类后的结果图作为WMRF的初始分割图。④本专著所提出的方法。

采用传统的H/α Wishart非监督分割以及H/α/AWishart非监督分割，分别如图4.8中的(a)和(c)所示，由于采用的是最大似然准则，没有考虑周围像素对当前像素值的影像，故分割效果较差，分割后结果图连通性不好。相反，由于考虑了周围像素对当前像素值的影像，图(b)和图(d)分割精度较高，区域连通性也比较好，由于初始分割采用的准则不同，图(d)引入了反熵A值，将地物分割的更加细致，在图像(b)和(d)中，红色框中的一块油菜地和苜蓿地在(d)中被分割了出来，但在(b)中被全部分到了油菜地一类中。

图4.8　实验结果图

本专著同时采用了ESAR 在德国Oberpfaffenhofen地区获取的L 波段全极化4视数据的一部分(大小200×200)，图4.9图(a)为极化白化滤波图，其中为了对算法做定量的分析，图4.9图(b)给出了人工标注图像，其中黑色表示的是树林，灰色表示的是裸地，白色表示的是草地。(www.xing528.com)

由图4.10可以看出，由于没有考虑空间相关性，图(a)和图(c)直接采用基于最大似然准则下的Wishart距离进行聚类，会导致区域性较差，孤立的像素点较多；由于考虑了空间相关性，采用基于最大后验准则进行迭代聚类，图(b)和图(d)的区域连通性较好，但是由于图(b)采用的是H/α分解进行初始分割，采用WMRF的方法后，草地和裸地被分到了一块，本专著算法由于考虑了反熵A，初始分割时地物分割的更为细致，聚类后草地和裸地被分割出来。表4.1给出了4种不同分割方法的分割精度，从表中可以看出本专著方法明显地优于前面3种分割方法。

图4.9　Oberpfaffenhofen多极化数据

图4.10　实验结果图

表4.1　ESAR　　Oberpfaffenhofen图像分割精度

全极化SAR图像分割，为提高其分割的精确性，需将其物理散射机制与统计先验知识相结合，同时需考虑像素的空间相关性，从而达到减少孤立像素点，提高分割效果图的连通性。本专著将极化目标分解理论与马尔可夫随机场有机地结合起来，提出了一种基于H/α/AWishart MRF分割方法。本专著采用Wishart分布对特征场进行建模，采用Potts模型并结合模拟退火算法对先验场进行建模，根据最大后验准则，推导出了最大后验距离用以代替传统分割中采用基于最大似然准则的Wishart距离，并给出了算法的具体流程图。AIRSAR Flevoland和ESA Oberpfaffenhofen多极化数据实验结果表明，与其他3种算法相比较，该算法分割精度高，区域连通性好。