KeyWords: Remote Sensing Classification COSMO-Skymed SAR

目录

摘 要 III

Abstract IV

1  绪论 1

1.1  研究目的和意义 1

1.2 SAR 图像分类研究现状 2

1.3 本论文的主要研究内容 2

1.4 本文章节安排 3

2  研究区和数据 4

2.1 研究区 4

2.2 SAR 数据 5

3 SAR 地物分类方法 9

3.1  监督分类 9

3.2  非监督分类 12

3.3  决策树 14

第 4 章  分类结果分析 16

4.1  监督分类 16

4.2 非监督分类 ISODATA 18

4.3 决策树分类 19

4.4  分类结果精度比较 20

5  总结与展望 23

参考文献 24

致谢 25

1 绪论

1.1 研究目的和意义

遥感技术（RS）可以通过远程来确定测量和分析远距离目标的性质，它可 以直接采集和处理地表信息。遥感技术是测绘领域一种新兴的技术，其优势是： 周期动态性、获取信息量大、高效率等等。这十几年来随着现代科技的不断发展， 人们要求动态更佳、更快、信息更准、更多样化的遥感技术。获取观测数据也越 来越快捷精准。论文网

随着新传感器的不断问世，将从航天、航空遥感平台上获得的遥感图像，并 从中提取不同空间分辨率、时间分辨率和光谱分辨率等数据，然后和全球定位系 统(GPS)、地理信息系统(GIS)等相互结合。通过遥感技术，使我们从另一种方式 来认识了地球，结合其他学科和领域产生了了新的应用，并且渐渐发展成为核心 技术，不断发展结合成其它技术的集成。

在遥感领域中“分类”是十分重要的，所以受到了许多科学家们的广泛探索。 近几年以来，成像技术和其相关方面的数据产品不断提升，使遥感图像技术的应 用空间更加广阔，遥感图像从单波段到多光谱，再到高光谱的研究应用更加深刻 和广泛。

卫星图像使用的分类方法是从定性到定量的一次巨大进步[1]。因为分类的卫 星图像是数字图像，又因为我们通过计算机来对数字图像进行分类。卫星图像分 类可以利用大量的卫星数据，所以它的结果一定是高度定量化，进行面积统计时 简单，根据理论来说，基本上精确到了地面上的像元。除此之外，怎么可以更好 的分类，并达到自动化解译脱离人工，可以大规模节约人力物力以及资源，而且 可以达到与人工解译、勾绘、转绘、量算相同或者更好的效果。按观测谱段分， 遥感有光学遥感和微波遥感，微波遥感中，有合成孔径雷达的方式，而本研究所 用的就是合成孔径雷达。

与可见光相比 SAR 能够全天候工作，由于微波具有一定的穿透力，因此 SAR 用来检测隐蔽目标，比如在树林中，草丛中的物体。和真实孔径雷达比较，SAR 方位分辨率要明显高于前者，分辨率与距离没有关系，相同条件下，真实孔径雷 达的信噪比和距离成反比。所以，SAR 能达到比真实孔径雷达更高的信噪比。