本文關(guān)鍵詞： 極化合成孔徑雷達(dá) 圖像分類 極化目標(biāo)分解 壓縮感知 支持矢量機(jī) 特征提取　出處：《中國民航大學(xué)》2014年碩士論文　論文類型：學(xué)位論文

【摘要】：極化合成孔徑雷達(dá)(Polarimetric Synthetic Aperture Radar,PolSAR)是一種多參數(shù)、多通道雷達(dá)成像系統(tǒng),它通過測量不同極化收發(fā)組合下的極化散射矩陣來反映目標(biāo)的散射特性,能獲得比傳統(tǒng)的單極化合成孔徑雷達(dá)更加豐富的地物信息。因而在軍事、農(nóng)業(yè)、水利等領(lǐng)域得到了廣泛應(yīng)用,并發(fā)揮著重要作用。極化SAR圖像分類是極化SAR圖像解譯的重要環(huán)節(jié),對后續(xù)的極化SAR目標(biāo)檢測和識別有著至關(guān)重要的作用。而特征提取是極化SAR分類的基礎(chǔ),特征的質(zhì)量直接影響著分類結(jié)果的優(yōu)劣,因此本文從特征提取的角度出發(fā)研究極化SAR圖像分類方法。本文首先分析了經(jīng)典的最大似然分類方法、H/?/Wishart分類方法以及基于支持矢量機(jī)的分類方法;然后介紹了壓縮感知的相關(guān)理論;最后在此基礎(chǔ)上給出了基于壓縮感知和支持矢量機(jī)的非監(jiān)督分類方法。該方法首先利用H/?/Wishart方法選取訓(xùn)練樣本,解決了分類過程中訓(xùn)練樣本難以選取的問題;然后利用壓縮感知理論從原始極化相干矩陣中提取特征;最后利用支持矢量機(jī)進(jìn)行特征的選擇和分類。分別采用AIRSAR系統(tǒng)在Flevoland地區(qū)、UAVSAR系統(tǒng)在Hayward地區(qū)采集的實測數(shù)據(jù)進(jìn)行實驗,結(jié)果表明該方法具有較好的分類結(jié)果。
[Abstract]:Polarimetric Synthetic Aperture Radarr (PolSAR) is a multi-parameter. Multi-channel radar imaging system, which measures the polarimetric scattering matrix under different polarization transceiver combinations to reflect the scattering characteristics of the target. It can obtain more information of ground objects than the traditional single-polarization synthetic aperture radar, so it has been widely used in military, agriculture, water conservancy and other fields. Polarimetric SAR image classification is an important part of polarimetric SAR image interpretation. Feature extraction is the basis of polarimetric SAR classification, and the quality of feature directly affects the classification results. Therefore, this paper studies the polarimetric SAR image classification method from the angle of feature extraction. Firstly, this paper analyzes the classical maximum likelihood classification method. R Wishart classification method and support vector machine based classification method; Then the theory of compressed perception is introduced. Finally, an unsupervised classification method based on compressed sensing and support vector machine is presented. The method of / Wishart is used to select training samples, which solves the problem that training samples are difficult to select in the process of classification. Then the feature is extracted from the original polarimetric coherence matrix by the theory of compressed sensing. Finally, support vector machine (SVM) is used to select and classify the features. AIRSAR system is used in the Flevoland region. The experimental results of the measured data collected by UAVSAR system in Hayward area show that the method has good classification results.
【學(xué)位授予單位】：中國民航大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2014
【分類號】：TN957.52

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 韓萍;王歡;;結(jié)合KPCA和稀疏表示的SAR目標(biāo)識別方法研究[J];信號處理;2013年12期

2 胡正平;李靜;;基于低秩子空間恢復(fù)的聯(lián)合稀疏表示人臉識別算法[J];電子學(xué)報;2013年05期

3 焦李成;楊淑媛;劉芳;侯彪;;壓縮感知回顧與展望[J];電子學(xué)報;2011年07期

4 何楚;劉明;馮倩;鄧新萍;;基于多尺度壓縮感知金字塔的極化干涉SAR圖像分類[J];自動化學(xué)報;2011年07期

5 吳婉瀾;皮亦鳴;;結(jié)合Freeman分解與子孔徑散射特性的極化SAR圖像分類[J];測繪科學(xué);2010年05期

6 王海江;皮亦鳴;;極化分解與子孔徑分析相結(jié)合的極化SAR圖像分類[J];光電工程;2009年10期

7 石光明;劉丹華;高大化;劉哲;林杰;王良君;;壓縮感知理論及其研究進(jìn)展[J];電子學(xué)報;2009年05期

8 周曉光;匡綱要;萬建偉;;極化SAR圖像分類綜述[J];信號處理;2008年05期

9 吳永輝;計科峰;李禹;郁文賢;;利用SVM的極化SAR圖像特征選擇與分類[J];電子與信息學(xué)報;2008年10期

10 江勇;張曉玲;師君;;基于目標(biāo)分解與支持向量機(jī)的極化SAR圖像分類研究(英文)[J];中國圖象圖形學(xué)報;2008年08期

，

本文編號：1442289