發(fā)布時(shí)間：2017-06-24 06:10

  本文關(guān)鍵詞：基于子孔徑分解的極化SAR圖像分類方法研究，由筆耕文化傳播整理發(fā)布。

【摘要】：合成孔徑雷達(dá)(Synthetic Aperture Radar, SAR)具有全天時(shí)、全天候的成像能力,極化SAR是建立在SAR之上的新型雷達(dá)。極化SAR通過(guò)收發(fā)不同極化組合下的電磁波進(jìn)行地物目標(biāo)探測(cè),通過(guò)分析地物目標(biāo)的后向散射回波信號(hào)獲取豐富的地物信息,從而實(shí)現(xiàn)對(duì)不同地物目標(biāo)的識(shí)別。利用極化SAR數(shù)據(jù)進(jìn)行地物識(shí)別、提取是當(dāng)今進(jìn)行SAR圖像解譯的重要課題,具有重要的理論意義和實(shí)用價(jià)值。論文主要研究了子孔徑分解和散射機(jī)理相結(jié)合的極化SAR圖像分類方法。 首先,本文系統(tǒng)地分析了極化SAR圖像分類的國(guó)內(nèi)外發(fā)展現(xiàn)狀,并對(duì)極化SAR的基礎(chǔ)理論作了較為詳細(xì)的闡述,介紹了目前常用的極化SAR圖像分類方法,指出了利用全孔徑極化SAR圖像分類在特征提取和分類器選取中存在的問(wèn)題。 其次,以Cloude分解為例介紹了基于散射機(jī)理的極化SAR圖像特征提取方法,并分析了極化SAR圖像成像過(guò)程中目標(biāo)散射信號(hào)隨方位向變化的特點(diǎn),通過(guò)對(duì)比分析森林、草地和建筑在極化目標(biāo)分解特征及子孔徑特征中的差異,得出子孔徑差異特征對(duì)地物有更好的區(qū)分能力,在此基礎(chǔ)上提出了一種新的結(jié)合散射機(jī)理和子孔徑分解的極化SAR圖像分類方法。 最后,采用基于Cloude分解的Wishart分類方法、基于Cloude分解的決策樹(shù)分類方法和結(jié)合子孔徑分解的決策樹(shù)分類方法,分別對(duì)兩組極化SAR數(shù)據(jù)進(jìn)行了實(shí)驗(yàn),以及定性定量分析。結(jié)果表明,針對(duì)地物不滿足復(fù)高斯分布假設(shè)的城區(qū),與Wishart分類器相比決策樹(shù)分類器有較好的分類效果,且生成的決策樹(shù)容易解譯；此外,子孔徑特征的加入,可以有效減少森林、草地以及建筑之間的錯(cuò)分,提高分類的準(zhǔn)確性。
【關(guān)鍵詞】：極化SAR 極化分解 子孔徑分解 決策樹(shù) 圖像分類
【學(xué)位授予單位】：首都師范大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2014
【分類號(hào)】：P225.1
【目錄】：

• 摘要4-5
• ABSTRACT5-13
• 第一章 緒論13-21
• 第一節(jié) 研究背景及意義13-14
• 第二節(jié) 極化SAR圖像分類研究現(xiàn)狀14-19
• 一 極化SAR圖像分類方法研究14-18
• 二 存在的問(wèn)題18-19
• 第三節(jié) 主要研究?jī)?nèi)容和章節(jié)安排19-21
• 第二章 極化SAR基礎(chǔ)理論21-35
• 第一節(jié) 電磁波的極化表征21-23
• 一 極化橢圓21-22
• 二 Jones矢量22-23
• 三 Stokes矢量23
• 第二節(jié) 目標(biāo)極化散射特性表征23-26
• 一 極化散射矩陣23-24
• 二 Mueller矩陣24
• 三 Stokes矩陣24-25
• 四 極化協(xié)方差矩陣與極化相干矩陣25-26
• 第三節(jié) 典型地物的極化散射特性26-28
• 一 奇次散射26-27
• 二 偶次散射27
• 三 體散射27
• 四 漫散射27-28
• 第四節(jié) 極化目標(biāo)分解28-33
• 一 Pauli分解28-30
• 二 Krogager分解30-31
• 三 Freeman分解31-33
• 第五節(jié) 本章小結(jié)33-35
• 第三章 基于子孔徑分解的極化特征提取35-49
• 第一節(jié) 基于H/A/α分解的極化特征提取35-38
• 一 分解原理35-36
• 二 H/A/a分解特征提取36-38
• 第二節(jié) 基于子孔徑分解的極化特征提取38-44
• 一 分解原理38-39
• 二 子孔徑差異特征提取39-44
• 第三節(jié) 決策樹(shù)模型構(gòu)建44-46
• 一 決策樹(shù)模型原理44-45
• 二 極化SAR圖像決策樹(shù)分類流程45-46
• 第四節(jié) 本章小結(jié)46-49
• 第四章 基于子孔徑分解的極化SAR圖像分類49-69
• 第一節(jié) 實(shí)驗(yàn)數(shù)據(jù)49-52
• 第二節(jié) 實(shí)驗(yàn)流程52-53
• 第三節(jié) San Francisco實(shí)驗(yàn)區(qū)分類及結(jié)果評(píng)價(jià)53-63
• 一 基于H/A/a分解的Wishart分類53-55
• 二 結(jié)合子孔徑分解的極化SAR圖像分類55-58
• 三 結(jié)果分析與評(píng)價(jià)58-63
• 第四節(jié) 北京實(shí)驗(yàn)區(qū)分類及結(jié)果評(píng)價(jià)63-67
• 一 結(jié)合子孔徑分解的極化SAR圖像分類63-64
• 二 結(jié)果分析與評(píng)價(jià)64-67
• 第五節(jié) 本章小結(jié)67-69
• 第五章 總結(jié)與展望69-71
• 第一節(jié) 主要工作69
• 第二節(jié) 主要成果69-70
• 第三節(jié) 進(jìn)一步研究工作70-71
• 參考文獻(xiàn)71-75
• 附錄75-79
• 成果79-81
• 致謝81

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前8條

1 賀崢嶸;劉智;王番;陳永昌;;非下采樣Contourlet域的ICA法SAR圖像相干斑抑制[J];測(cè)繪工程;2011年03期

2 張學(xué)琴;;決策樹(shù)算法的研究及其改進(jìn)[J];電腦知識(shí)與技術(shù);2009年30期

3 周曉光;匡綱要;萬(wàn)建偉;;極化SAR圖像分類綜述[J];信號(hào)處理;2008年05期

4 李曉瑋;種勁松;;基于目標(biāo)相干散射特性的極化SAR圖像分解分類方法[J];遙感技術(shù)與應(yīng)用;2007年03期

5 周春艷;王萍;張振勇;齊成濤;;基于面向?qū)ο笮畔⑻崛〖夹g(shù)的城市用地分類[J];遙感技術(shù)與應(yīng)用;2008年01期

6 陳世榮;馬海建;范一大;徐豐;連健;;基于高分辨率遙感影像的汶川地震道路損毀評(píng)估[J];遙感學(xué)報(bào);2008年06期

7 孫曉霞;張繼賢;燕琴;高井祥;;遙感影像變化檢測(cè)方法綜述及展望[J];遙感信息;2011年01期

8 鄧?yán)?曾文華;孫晨;;利用PolSAR數(shù)據(jù)提取人造目標(biāo)的進(jìn)展分析[J];遙感信息;2013年04期

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前3條

1 趙凌君;高分辨率SAR圖像建筑物提取方法研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2009年

2 徐牧;極化SAR圖像人造目標(biāo)提取與幾何結(jié)構(gòu)反演研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2008年

3 張臘梅;極化SAR圖像人造目標(biāo)特征提取與檢測(cè)方法研究[D];哈爾濱工業(yè)大學(xué);2010年

  本文關(guān)鍵詞：基于子孔徑分解的極化SAR圖像分類方法研究，，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：477285