遙感監(jiān)測(cè)領(lǐng)域蘊(yùn)含許多有價(jià)值的應(yīng)用,海冰分類和浮游植物濃度分析便是其中重要的研究?jī)?nèi)容。海冰類型分析對(duì)于海冰狀況研究,艦船航行安全保障以及海上貿(mào)易通道的暢通都有十分重要的意義。長(zhǎng)期以來(lái),常規(guī)的海冰分類分為監(jiān)督分類和非監(jiān)督分類兩種。本課題研究?jī)?nèi)容之一就是選用監(jiān)督分類方法中較為成熟的支持向量機(jī)（Support Vector Machine,SVM）結(jié)合圖像中像元的紋理特征進(jìn)行分類。首先分析出圖像的紋理特征,然后再使用支持向量機(jī)分類器進(jìn)行分類。通過(guò)實(shí)驗(yàn)可知,此改進(jìn)方法可以很好地識(shí)別出SAR海冰圖像中的一年冰、多年冰和海水。為說(shuō)明本文方法的有效性,本實(shí)驗(yàn)采用經(jīng)典的兩類分類方法最大似然法（Maximum Likelihood）和神經(jīng)網(wǎng)絡(luò)法（Neural Net）作對(duì)照,通過(guò)對(duì)比可知,該方法是一種分類精度較高的海冰分類方法,實(shí)驗(yàn)結(jié)果驗(yàn)證了本課題方法的有效性,為海冰分類提供了一種新策略。由于目前海冰分類研究主要采用監(jiān)督分類方法,采用自動(dòng)聚類的方法很少,所以本課題的第二部分采用高斯混合模型分析哨兵數(shù)據(jù),探究海冰分類領(lǐng)域自動(dòng)識(shí)別算法的可行性,并將實(shí)驗(yàn)得到的數(shù)據(jù)進(jìn)行多方位解析,探究影響分類精度的因素,為此為海... 

【文章頁(yè)數(shù)】：64 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 背景介紹
    1.2 SAR的應(yīng)用
    1.3 SAR圖像處理的研究現(xiàn)狀
    1.4 海冰分類研究的重要意義
    1.5 國(guó)內(nèi)外研究現(xiàn)狀
    1.6 本文組織結(jié)構(gòu)
2 SAR圖像噪聲及去噪方法介紹
    2.1 噪聲形成原理
    2.2 去除噪聲的方法
    2.3 傳統(tǒng)濾波算法
        2.3.1 均值濾波
        2.3.2 中值濾波
    2.4 基于局域統(tǒng)計(jì)特性的自適應(yīng)濾波算法
        2.4.1 Lee濾波
        2.4.2 Frost濾波
        2.4.3 增強(qiáng)的Lee,Frost濾波算法
        2.4.4 Kuan濾波
    2.5 本章小結(jié)
3 海冰分類的相關(guān)概念介紹
    3.1 灰度共生矩陣
    3.2 支持向量機(jī)基礎(chǔ)理論
        3.2.1 支持向量機(jī)應(yīng)用
        3.2.2 最佳超平面
    3.3 高斯混合模型
        3.3.1 單高斯模型
        3.3.2 混合高斯模型
    3.4 最大期望值算法介紹
        3.4.1 EM算法要解決的問(wèn)題
        3.4.2 EM算法的推導(dǎo)
    3.5 本章小結(jié)
4 基于SAR圖像的海冰分類研究
    4.1 基于支持向量機(jī)的海冰分類實(shí)驗(yàn)分析
        4.1.1 衛(wèi)星數(shù)據(jù)及研究區(qū)域介紹
        4.1.2 研究方法
        4.1.3 紋理特征提取與選擇
        4.1.4 實(shí)驗(yàn)工具介紹
        4.1.5 實(shí)驗(yàn)結(jié)果與分析
        4.1.6 結(jié)論
    4.2 基于高斯混合模型的海冰分類實(shí)驗(yàn)分析
        4.2.1 研究方法
        4.2.2 SAR圖像預(yù)處理
        4.2.3 SAR圖像分類結(jié)果
        4.2.4 SAR圖像分類結(jié)果分析
        4.2.5 實(shí)驗(yàn)結(jié)論
    4.3 海冰分類課題總結(jié)
5 海色遙感數(shù)據(jù)融合及其可視化
    5.1 葉綠素a介紹
    5.2 多類型遙感數(shù)據(jù)可視化
        5.2.1 數(shù)據(jù)預(yù)處理
        5.2.2 顏色映射
    5.3 數(shù)據(jù)融合方法
        5.3.1 經(jīng)典擬合方法
        5.3.2 改進(jìn)擬合方法
    5.4 實(shí)驗(yàn)結(jié)果與討論
        5.4.1 實(shí)驗(yàn)結(jié)果效果分析
        5.4.2 實(shí)驗(yàn)結(jié)果數(shù)據(jù)分析
    5.5 總結(jié)
6 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
參考文獻(xiàn)
在學(xué)研究成果
致謝


【參考文獻(xiàn)】：
期刊論文
[1]結(jié)合紋理特征的SVM海冰分類方法研究[J]. 張明,呂曉琪,張曉峰,張婷,吳涼,王軍凱,張信雪.  海洋學(xué)報(bào). 2018(11)
[2]基于改進(jìn)Frost濾波的SAR圖像斑噪抑制算法[J]. 曲長(zhǎng)文,李智,周強(qiáng),劉晨,鄧兵.  火力與指揮控制. 2018(11)
[3]星載微波遙感觀測(cè)海表溫度的研究進(jìn)展[J]. 孫廣輪,關(guān)道明,趙冬至,王新新,王祥.  遙感技術(shù)與應(yīng)用. 2013(04)
[4]基于似然函數(shù)EM迭代的紅外與可見(jiàn)光圖像配準(zhǔn)[J]. 聶宏賓,侯晴宇,趙明,張偉.  光學(xué)精密工程. 2011(03)
[5]基于灰度共生矩陣的紋理特征提取[J]. 高程程,惠曉威.  計(jì)算機(jī)系統(tǒng)應(yīng)用. 2010(06)
[6]基于合成孔徑原理目標(biāo)散射測(cè)量中的運(yùn)動(dòng)誤差補(bǔ)償[J]. 劉丹丹,唐勁松,王錚,馬慶忠.  海軍工程大學(xué)學(xué)報(bào). 2009(05)
[7]基于紋理特征分析的遼東灣SAR影像海冰檢測(cè)[J]. 張晰,張杰,紀(jì)永剛.  海洋科學(xué)進(jìn)展. 2008(03)
[8]聚類算法研究[J]. 孫吉貴,劉杰,趙連宇.  軟件學(xué)報(bào). 2008(01)
[9]數(shù)據(jù)挖掘中的聚類算法綜述[J]. 賀玲,吳玲達(dá),蔡益朝.  計(jì)算機(jī)應(yīng)用研究. 2007(01)
[10]自適應(yīng)區(qū)域生長(zhǎng)算法在醫(yī)學(xué)圖像分割中的應(yīng)用[J]. 陸劍鋒,林海,潘志庚.  計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào). 2005(10)

博士論文
[1]高精度衛(wèi)星遙感技術(shù)在地質(zhì)災(zāi)害調(diào)查與評(píng)價(jià)中的應(yīng)用[D]. 鄧輝.成都理工大學(xué) 2007

碩士論文
[1]基于MRF模型的北冰洋海冰SAR圖像分類研究[D]. 費(fèi)旋珈.南京航空航天大學(xué) 2017
[2]基于凝聚層次聚類的高分辨率遙感影像分割算法研究[D]. 劉榮杰.青島大學(xué) 2008



本文編號(hào)：3705810