Feature extraction of dual-pol SAR imagery for sea ice image segmentation
Dual-polarization synthetic aperture radar (SAR) image data, such as that available from RADARSAT-2, provide additional information for discriminating sea ice types compared with single-polarization data. We performed a thorough investigation of published feature extraction and fusion techniques to...
Published in: | Canadian Journal of Remote Sensing |
---|---|
Main Authors: | , , |
Other Authors: | |
Format: | Article in Journal/Newspaper |
Language: | unknown |
Published: |
Canadian Aeronautics and Space Institute
2012
|
Subjects: | |
Online Access: | http://hdl.handle.net/1959.3/438154 https://doi.org/10.5589/m12-028 |
Summary: | Dual-polarization synthetic aperture radar (SAR) image data, such as that available from RADARSAT-2, provide additional information for discriminating sea ice types compared with single-polarization data. We performed a thorough investigation of published feature extraction and fusion techniques to make optimal use of this additional information for unsupervised sea ice image segmentation. Segmentation was performed by transforming the dual-pol data (i) into a new two-channel feature space (multivariate) and (ii) into a fused single-channel feature space (univariate). Both real and synthetic dual-polarization SAR sea ice images were transformed using a variety of methods and segmented using a recognized SAR segmentation algorithm (IRGS). The results indicated that the untransformed data provides consistent and high segmentation accuracy, avoids feature extraction pre-processing, and is thus recommended for SAR sea ice image segmentation using dual-pol imagery. Les images radar à synthèse d'ouverture (RSO) en polarisation double, comme celles de RADARSAT-2, fournissent une information supplémentaire qui permet de différencier les différents types de glace de mer comparativement aux données en polarisation simple. Une analyse exhaustive des techniques d'extraction et de fusion des caractéristiques déjà publiées pour assurer une utilisation optimale de cette information supplémentaire dans le contexte de la segmentation non dirigée des images de glace de mer a été réalisée. Une segmentation a été appliquée en transformant les données en polarisation double (a) en un nouvel espace des caractéristiques à deux canaux (multivarié) et (b) en un espace fusionné des caractéristiques à bande unique (univarié). Des images de glace de mer RSO en polarisation double réelles et synthétiques ont été transformées à l'aide de diverses méthodes, puis segmentées à l'aide d'un algorithme de segmentation RSO reconnu, soit l'algorithme IRGS. Les résultats montrent que les données non transformées fournissent une précision de segmentation cohérente et élevée, permettent ainsi d'éviter le prétraitement associé à l'extraction des caractéristiques et faisant en sorte que cette méthode est recommandée pour la segmentation d'images RSO de glace de mer à l'aide des images en polarisation double. |
---|