基于高分辨率SAR与光学影像数据融合的滨海湿地变化监测
滨海湿地是动态且脆弱的生态系统,遥感变化检测技术为滨海湿地动态变化监测提供了有效手段.本文针对滨海湿地场景特点,按照”先变化提取后变化类型识别”的思路,针对像元级变化检测对配准误差敏感、椒盐现象严重,而对象级变化检测过程繁琐等问题,提出了显著图引导的结合像元级与对象级变化检测方法.针对湿地变化识别中高维特征”维数灾难”问题,引入跳跃度对特征进行分层,提出了特征分层选择和样本迁移学习的变化识别方法.选用江苏盐城滨海湿地资源三号影像、高分三号影像和TerraSAR-X影像进行实验研究,研究发现像元级与对象级融合方法提高了湿地变化检测精度,特征分层选择为特征集优化提供了定量依据,跨时相的样本迁移学习方法提高了湿地变化识别的自动化水平.
滨海湿地 变化检测 特征分层选择 样本迁移学习 合成孔径雷达 光学影像
吴瑞娟 何秀凤 王静
内江师范学院地理与资源科学学院 四川 内江 641100 河海大学地球科学与工程学院 江苏 南京 211100 武汉大学资源与环境科学学院 湖北 武汉 430079
国内会议
成都
中文
1-22
2019-09-20（万方平台首次上网日期，不代表论文的发表时间）