刘利敏
- 作品数：13 被引量：42H指数：4
- 供职机构：武汉大学遥感信息工程学院更多>>
- 发文基金：国家高技术研究发展计划国家自然科学基金国家重点基础研究发展计划更多>>
- 相关领域：天文地球自动化与计算机技术电子电信更多>>
- LSSVM算法在极化SAR影像分类中的应用被引量：4
- 2012年
- 最小二乘支持向量机(LSSVM)是针对标准支持向量机(SVM)算法训练时间长的问题而提出的一种改进算法。针对SVM算法在极化SAR影像分类时存在效率较低的问题,以目标分解理论为基础,对LSSVM算法应用于极化SAR影像分类的有效性进行了研究。结果表明,对于极化SAR影像分类,LSSVM算法与SVM算法的分类精度相当,但时间效率远优于SVM算法,并且对参数的调整也具有更好的稳定性,同时泛化能力良好。
- 孟云闪余洁刘利敏张中山隋克林
- 关键词：极化合成孔径雷达LSSVM
- 应用区域统计特征的PolSAR影像分割被引量：3
- 2014年
- 目的提出一种利用区域统计特征的PolSAR影像分割方法,以解决目前研究中在降低斑点噪声和提高分割效率方面的不足。方法首先利用基于梯度分割影像的分水岭算法进行SAR影像初分割,针对差值梯度非恒虚警率(CFAR),可能给出虚假边缘从而导致分割错误的问题,引入恒虚警率的均值比率梯度(ROA);同时,考虑到梯度影像中存在大量局部极小值,直接用分水岭处理得到初分割结果,存在过度过分割,给出了一种利用形态学方法进行梯度重构以消除局部极小值、抑制过分割的方法。然后,基于初分割得到区域,计算区域相干矩阵的最大似然估计,结合假设检验和相干矩阵的Wishart分布,给出一种有效描述区域相似度的目标函数,通过建立区域邻接关系图(RAG),执行等级区域合并得到最终分割结果。结果利用模拟数据,德国奥伯法芬霍芬L波段实测数据和中国海南陵水黎族自治县X波段的高分辨率数据,验证本文方法,初分割结果证实梯度重构处理不会破坏原有梯度结构,并能有效抑制过分割;最终分割结果定性定量对比分析表明,本文给出的目标函数,在分割效率、信息保持和分割精度上都有较好表现。结论实验结果表明,本文方法能有效降低斑点噪声,提高分割效率,从而提供更加准确的分割结果。
- 刘振宇余洁谢东海刘利敏
- 短基线INSAR相干点探测及应用被引量：2
- 2016年
- 提出一种结合子孔径相关测度的时序高相干点探测方法,首先对时序SAR影像进行谱分解获得子孔径视图,通过时序子孔径相关测度进行强散射点筛选,然后分别根据振幅离差和干涉相位空间相关性,对目标点进行相位稳定性分析,探测出既满足强散射且在时间序列上散射稳定的高相干点。利用改进的点探测方法和短基线INSAR技术,对北京2003—2009年间40景ASAR影像进行相位建模,获取地面沉降时空分布特征,分析典型地物时序沉降过程,研究北京地面沉降与地下水开采关系。结果表明:相比已有方法,本文结合子孔径相关测度的高相干点探测结果更准确可靠;利用本文点探测方法反演的历史累积沉降信息,与水准结果一致,平均速率之差在3.69 mm/a以内,中误差为1.36 mm/a;研究区地面沉降最大速率达92.25 mm/a,空间不均匀分布明显,地面沉降量与地下水开采量呈分段的非线性相关。
- 刘利敏宫辉力余洁李小娟柯樱海
- 关键词：地下水
- 粒子群优化算法在全极化SAR影像非监督分类中的应用被引量：8
- 2014年
- 极化SAR影像高维数以及高分辨率带来的大数据量特点使得影像分类的复杂度不断增加。粒子群优化(PSO)算法作为新型进化计算技术,具有强大的全局寻优能力。本文研究了一种基于PSO算法的极化SAR影像的分类方法。该方法首先利用H/α方法对数据进行基于散射机理的初分类;然后利用分类结果对PSO算法进行初始化;最后采用PSO对极化SAR数据迭代分类。实验采用NASA-JPL实验室的极化SAR数据以及中国电子科技集团X波段原型样机的高分辨率数据。结果表明,H/α-PSO分类方法较H/α-Wishart分类精度及目视效果均有所提高。
- 朱腾余洁谢东海刘利敏
- 关键词：粒子群优化算法非监督分类
- 改进独立分量分析极化SAR影像相干滤波
- 2015年
- 极化合成孔径雷达(SAR)影像的相干斑滤波,对其后处理起着至关重要的作用。针对传统的独立分量分析(ICA)算法稳定性差、易陷入局部最优等缺陷,该文提出基于粒子群优化(PSO)改进的ICA滤波算法,用于进行极化SAR影像相干斑滤波。该方法利用PSO算法来改进解混矩阵W的行向量的生成过程,以提高ICA算法的分离效果。采用AIRSAR获取的旧金山海湾地区的L波段极化SAR影像进行实验,并用相干斑指数、迭代次数、收敛时间等指标进行客观评价。结果表明,基于PSO改进的ICA算法具有更高的收敛效率和更好的相干斑抑制性能,能有效地降低影像的相干斑噪声。
- 刘宇迪余洁刘利敏朱腾
- 关键词：独立分量分析粒子群算法极化SAR相干斑
- 引入纹理特征的SSVM算法在极化SAR影像分类中的应用被引量：4
- 2012年
- 在极化SAR影像极化特征的基础上,引入影像的纹理信息,利用带核函数的SSVM算法对极化SAR影像进行分类研究。该方法首先利用精致LEE滤波器对极化SAR影像进行去噪处理;然后采用小波变换对去噪后的总功率影像Span进行纹理特征提取;最后将纹理信息和极化信息结合,并采用SSVM方法对极化SAR影像进行分类。利用NASA/JPL AIRSAR获取的L波段SanFrancisco海湾和荷兰中部Flevoland地区的影像对该方法进行验证,结果表明,SSVM算法可有效地用于极化SAR影像分类,且分类精度和分类效率都优于SVM算法。同时纹理信息的引入使SSVM算法的分类精度得到了进一步提高。
- 刘利敏余洁燕琴刘振宇朱腾
- 关键词：小波变换极化信息纹理特征
- 引入商空间粒度计算的全极化SAR影像分类被引量：3
- 2018年
- 为了充分利用不同极化特征信息,并将其有效地结合,提出一种结合粒度计算的全极化合成孔径雷达（synthetic aperture radar,SAR）影像分类方法。在不同极化目标分解特征组合的基础上引入影像纹理信息,利用光滑支持向量机（smooth support vector machine,SSVM）对不同特征组合进行类别划分获得粗粒度空间,采用商空间对粗粒度进行合并;根据全极化SAR影像分布特性,以相干矩阵作为新的特征矢量,利用Wishart测度代替传统欧氏距离对差异粒度进行推理,通过合并推理结果与合成论域,获得精细分类结果。采用L波段San Francisco地区和荷兰Flevoland地区的全极化SAR影像进行分类试验,结果表明：利用SSVM算法对全极化SAR影像进行粗粒度划分,并采用Wishart距离对差异粒度推理综合,总体分类效果优于结合纹理信息的Cloude及Yamaguchi4分类结果,且优于基于线性特征融合进行监督分类方法。
- 刘利敏余洁李小娟李平湘杨杰
- 关键词：纹理特征商空间粒度粒度计算
- 利用PSInSAR技术监测北京地面沉降被引量：10
- 2016年
- 地面沉降已成为大城市面临的重大灾害之一,对其进行有效监测十分必要。采用基于相位稳定性特征的PSInSAR对覆盖北京的31景TerraSAR-X数据进行干涉处理,获取了该研究区的地面沉降范围、沉降速率,并对重点沉降区域时序形变特征及成因进行分析研究。实验结果显示,2010~2013年,研究区内的平均形变速率范围为-51.49~8.15mm/yr,与精密水准测量具有较高的一致性,表明PSInSAR监测结果精度可靠,能实现对北京地区的地面沉降情况的有效监测。
- 刘晓余洁刘利敏
- 关键词：地面沉降PSINSAR
- 一种利用地物散射特性进行后续类别调整的极化SAR影像分类方法被引量：6
- 2014年
- 针对常规极化SAR影像监督分类在分类时由于极化信息利用不完全,导致分类结果不可信的缺陷,在分析地物极化散射特性的基础上,提出一种结合复Wishart分类器思想的极化SAR监督分类方法,在监督分类的基础上,利用几乎包含所有极化信息的相干矩阵进行后续分类,利用地物所有极化散射信息完成类别的划分。首先,利用Cloude&Pottier极化特征组合对影像进行监督分类,获得初始类别划分结果;为纠正监督分类时仅利用特征矢量的空间分布特性进行类别划分导致的错误,对监督分类结果精度评价及研究区地物散射相似性分析,综合确定初始分类结果中分类效果较差、待后续调整类别的像素集;然后以各类别的相干矩阵均值为初始聚类中心,利用核模糊C均值算法,结合相干矩阵的复Wishart分布特性,对待修正的像素集进行后续类别迭代调整,获得精细分类结果。采用国产X-SAR获取的海南陵水地区的全极化SAR影像进行分类试验,结果表明:提出的对极化SAR影像监督分类后利用地物散射特性相似性对错分像素重新进行聚类调整类别的方法,与仅进行监督分类相比,分类结果总体精度更高,也更满足地物的散射特性。
- 刘利敏余洁王彦兵陈蜜朱腾叶秋虹
- 关键词：散射特性
- 结合纹理信息的极化SAR影像分类研究被引量：4
- 2016年
- 结合Gabor小波、灰度共生矩阵和Fast ICA方法提取的纹理信息,利用支持向量机分类器对单极化SAR影像进行分类研究。首先利用精致Lee滤波器对影像进行去噪处理;然后采用灰度共生矩阵和Gabor小波提取影像纹理特征,利用Fast ICA算法对纹理特征进行降维分析;最后将降维后的纹理特征与强度特征结合,采用支持向量机分类器进行分类;采用北京地区Terra SAR-X影像对该方法进行实验,结果表明,纹理信息的引入使极化SAR影像分类精度得到提高。
- 安智晖余洁刘利敏
- 关键词：极化SAR纹理特征提取
