Land Cover Classification of Quad-Polarimetric RADARSAT-2 SAR Image Based on Modified Subspace Method

Abstract

Compared with conventional single-polarization synthetic aperture radar (SAR), quad-polarimetric SAR observations provide more information and show potential for land cover classification. In this study, we propose a modified subspace method (MOSM) for quad-polarimetric SAR image classification, which incorporates the advantages of the learning subspace method (LSM), the averaged learning subspace method (ALSM) and the multiple similarity method (MSM). To evaluate the recognition accuracy of the proposed method, we carry out experiments with quad-polarimetric RADARSAT-2 images for the Yellow River Delta area. We compare the results obtained using the MOSM algorithm with those obtained by the traditional supervised Wishart method. According to our analyses, the results obtained by the proposed method show a 10% higher accuracy rate than the results based on the classical supervised Wishart method, and the overall accuracy rate for the proposed method exceeds 87%, which indicates a good performance. Therefore, the modified method is an alternative classification method for quad-polarimetric SAR image.

Résumé. Par rapport au radar à synthèse d’ouverture (RSO) monopolarisation traditionnel, les observations RSO entièrement polarimétriques << quad-polarimetric >> fournissent plus d’informations et montrent un potentiel pour la classification de la couverture terrestre. Dans cet article, nous proposons une méthode de sous-espace modifié (MOSM) pour la classification des images RSO entièrement polarimétriques, qui intègre les avantages de la méthode LSM << learning subspace method >>, de la méthode ALSM << averaged learningsubspace method >> et de la méthode MSM << multiple similarity method >>. Pour évaluer la précision de la reconnaissance de la méthode proposée, nous effectuons des expériences avec des images RADARSAT-2 entièrement polarimétriques pour le delta du fleuve Jaune. Nous comparons les résultats obtenus en utilisant l’algorithme MOSM avec ceux obtenus par la méthode supervisée classique de Wishart. Selon nos analyses, les résultats obtenus par la méthode proposée montrent une précision 10% plus élevée que les résultats basés sur la méthode supervisée classique de Wishart et la précision globale de la méthode proposée dépasse 87%, ce qui indique une bonne performance. Par conséquent, la méthode modifiée est une méthode de classification alternative pour les images RSO entièrement polarimétriques.