顾及极化特征的SAR与光学影像融合与分类

全极化合成孔径雷达(SAR)具有丰富的极化信息, 对地物识别具有显著优势, 提出了一种顾及极化特征的SAR与中分光学影像融合的方法, 对全极化SAR影像进行极化目标分解, 采用改进的色度、饱和度、明度(HSV)变换方法融合极化特征波段与中分光学影像, 并基于面向对象的方法对融合影像进行地物分类。结果表明, 该融合方法优于传统单极化SAR与中分光学影像的HSV融合方法, 能够有效利用全极化SAR的极化纹理信息。面向对象分类方法能够降低SAR对融合影像的斑点噪声影响, 地物总体分类精度优于高分光学影像, 且对于极化信息敏感的地物, 其分类精度明显优于高分光学影像。