本文關(guān)鍵詞： 極化SAR 地物分類(lèi) 散射特性 多特征集策略 空間特性　出處：《西安電子科技大學(xué)》2015年碩士論文　論文類(lèi)型：學(xué)位論文

【摘要】：極化合成孔徑雷達(dá)(Polarimetric Synthetic Aperture Radar,PolSAR)利用四個(gè)極化通道可以獲得地物目標(biāo)豐富的極化散射信息,在其眾多應(yīng)用中,極化SAR數(shù)據(jù)地物分類(lèi)是最主要的應(yīng)用領(lǐng)域之一。許多已有的極化SAR數(shù)據(jù)地物分類(lèi)方法雖然能夠取得不錯(cuò)的分類(lèi)結(jié)果,但是它們都是直接在一組特征集上進(jìn)行數(shù)據(jù)分析和分類(lèi)器設(shè)計(jì),且在分類(lèi)過(guò)程中沒(méi)有考慮極化SAR數(shù)據(jù)的空間關(guān)系。這都可能使分類(lèi)結(jié)果不好,尤其是在分類(lèi)高分辨率極化SAR數(shù)據(jù)時(shí)。本文主要研究基于散射特性和空間特性的極化SAR地物分類(lèi)方法,在原有分類(lèi)方法基礎(chǔ)上提出了兩種改進(jìn)方法:1.提出了一種極化SAR數(shù)據(jù)地物分類(lèi)方法:基于多特征集的極化SAR地物分類(lèi)。在該方中采用新的極化特征分析策略——多特征集策略,即對(duì)比分析多組非相關(guān)極化特征矢量集,在其基礎(chǔ)上設(shè)計(jì)分類(lèi)器,以改進(jìn)原有分析一組極化特征集的分類(lèi)方法。為了驗(yàn)證該策略的有效性,本章改進(jìn)了原有Wishart迭代分類(lèi)器——在兩組非相關(guān)極化特征矢量集上,使用K-MEANS聚類(lèi)分析,為Wishart分類(lèi)器選擇可分度高的訓(xùn)練樣本。高可分度的訓(xùn)練樣本不僅加速了Wishart分類(lèi)器的收斂過(guò)程,使其迭代次數(shù)大為減少,而且分類(lèi)器的分類(lèi)正確率也有所提高,分類(lèi)后數(shù)據(jù)的區(qū)域一致性更好。真實(shí)極化SAR數(shù)據(jù)實(shí)驗(yàn)驗(yàn)證了本章多特征集策略的有效性。2.提出了一種極化SAR數(shù)據(jù)地物分類(lèi)方法:基于空間特征和統(tǒng)計(jì)特性的極化SAR地物分類(lèi)。已有的分析極化SAR數(shù)據(jù)空間關(guān)系的地物分類(lèi)方法在分類(lèi)前和(或)分類(lèi)后直接在分類(lèi)結(jié)果中引入分類(lèi)標(biāo)號(hào)的空間約束,取得了比基于像素的分類(lèi)方法更好的分類(lèi)結(jié)果。本章從新的角度——在極化特征空間上引入數(shù)據(jù)的空間約束,設(shè)計(jì)在分類(lèi)過(guò)程中引入數(shù)據(jù)空間關(guān)系的分類(lèi)器。為了驗(yàn)證該方法的有效性,本章改進(jìn)了原有Wishart迭代分類(lèi)器——通過(guò)雙邊濾波方法在Wishart距離特征上引入極化SAR數(shù)據(jù)的空間約束,最后分類(lèi)。改進(jìn)的Wishart分類(lèi)器保留了原有分類(lèi)器的特點(diǎn),還較好的克服分類(lèi)器易受相干斑噪聲影響的缺點(diǎn),而且分類(lèi)后數(shù)據(jù)的區(qū)域一致性更好。真實(shí)極化SAR數(shù)據(jù)實(shí)驗(yàn)驗(yàn)證了本章方法的有效性。
[Abstract]:Polarimetric Synthetic Aperture Radarr (PolSAR) can obtain rich polarimetric scattering information from ground objects by using four polarimetric channels, which are widely used in many applications. Ground object classification of polarized SAR data is one of the most important application fields. Many existing methods for ground object classification of polarized SAR data can obtain good classification results. However, they are all designed for data analysis and classifier design directly on a set of feature sets, and the spatial relationship of polarized SAR data is not considered in the classification process, which may result in bad classification results. Especially in the classification of high resolution polarimetric SAR data, this paper mainly studies the polarimetric SAR ground objects classification method based on scattering and spatial characteristics. On the basis of the original classification method, this paper puts forward two improved methods: 1. This paper presents a method of ground objects classification of polarimetric SAR data: poled SAR ground objects classification based on multi-special collection. In this method, a new polarimetric feature analysis strategy, called multi-feature solicitation strategy, is adopted. In order to verify the effectiveness of the strategy, a classifier is designed on the basis of comparative analysis of multiple sets of independent polarization feature vectors to improve the classification method of analyzing a set of polarimetric feature sets. In this chapter, we improve the original Wishart iterative classifier, which uses K-MEANS clustering analysis on two sets of uncorrelated polarization feature vectors. The highly divisible training samples are selected for the Wishart classifier. The convergence of the Wishart classifier is accelerated and the number of iterations is greatly reduced, and the classification accuracy of the classifier is also improved. The experimental results of real polarized SAR data verify the effectiveness of the multi-feature solicitation strategy in this chapter. 2. A method of ground object classification for polarized SAR data is proposed: polarization based on spatial features and statistical characteristics. SAR ground objects classification. The existing methods to analyze the spatial relationship between polarimetric SAR data have introduced the spatial constraints of classification labels directly into the classification results before and / or after classification. A better classification result than the pixel based classification method is obtained. In this chapter, the spatial constraints of the data are introduced into the polarimetric feature space from a new perspective. In order to verify the validity of this method, we improve the original Wishart iterative classifier, which introduces the spatial constraint of polarimetric SAR data on the Wishart distance feature by using the two-sided filtering method. Finally, the improved Wishart classifier preserves the characteristics of the original classifier and overcomes the disadvantages of the classifier which is vulnerable to speckle noise. Moreover, the regional consistency of the classified data is better. The experimental results of real polarimetric SAR data demonstrate the effectiveness of this method.
【學(xué)位授予單位】：西安電子科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類(lèi)號(hào)】：TN957.52

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 夔中羽;;地物頻譜學(xué)研究始步[J];遙感信息;1993年01期

2 黃慧萍,吳炳方;地物提取的多尺度特征遙感應(yīng)用分析[J];遙感技術(shù)與應(yīng)用;2003年05期

3 杜鳳蘭,田慶久,夏學(xué)齊,惠鳳鳴;面向?qū)ο蟮牡匚锓诸?lèi)法分析與評(píng)價(jià)[J];遙感技術(shù)與應(yīng)用;2004年01期

4 陳強(qiáng);蔣詠梅;陸軍;匡綱要;;一種基于目標(biāo)散射鑒別的POLSAR圖像地物無(wú)監(jiān)督分類(lèi)新方法[J];電子學(xué)報(bào);2011年03期

5 鄭秀仁,潘劍君,林海,谷苗;4種混合地物的光譜特征研究[J];南京農(nóng)業(yè)大學(xué)學(xué)報(bào);2004年04期

6 付琨,匡綱要,郁文賢;高分辨率SAR圖像地物分類(lèi)算法研究[J];電子學(xué)報(bào);2001年S1期

7 孫真真,付琨,吳一戎;基于混合雙隱層徑向基函數(shù)網(wǎng)絡(luò)的高分辨率SAR圖像地物分類(lèi)算法研究[J];電子學(xué)報(bào);2003年S1期

8 方墨人,田慶久;基于MODIS的LAI時(shí)間序列譜的地物分類(lèi)方法研究[J];國(guó)土資源遙感;2004年03期

9 陳強(qiáng);蔣詠梅;陸軍;匡綱要;;基于目標(biāo)散射相似性的POLSAR圖像無(wú)監(jiān)督地物散射分類(lèi)新方案[J];電子學(xué)報(bào);2010年12期

10 喬紀(jì)綱;陳明輝;艾彬;張亦漢;;SVM用于LiDAR數(shù)據(jù)的地物分類(lèi)[J];測(cè)繪通報(bào);2013年07期

相關(guān)會(huì)議論文 前1條

1 袁家勇;高詩(shī)亮;田喜平;田朝前;;大范圍場(chǎng)景內(nèi)的地物模型生成相關(guān)技術(shù)[A];2009`中國(guó)地理信息產(chǎn)業(yè)論壇暨第二屆教育論壇就業(yè)洽談會(huì)論文集[C];2009年

相關(guān)博士學(xué)位論文 前2條

1 張爽;基于散射機(jī)理和目標(biāo)分解的極化SAR圖像地物分類(lèi)[D];西安電子科技大學(xué);2015年

2 付琨;高分辨率單視單極化SAR圖像地物分類(lèi)方法研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2002年

相關(guān)碩士學(xué)位論文 前10條

1 高蓉;面向極化SAR地物分類(lèi)的稀疏深度網(wǎng)絡(luò)[D];西安電子科技大學(xué);2015年

2 熊莎琴;基于稀疏編碼和SVM的極化SAR影像地物分類(lèi)方法研究[D];西安電子科技大學(xué);2015年

3 張東輝;基于散射特性和空間特性的極化SAR地物分類(lèi)研究[D];西安電子科技大學(xué);2015年

4 章皖秋;城市地物反射波譜分類(lèi)及其通道窗口研究[D];華東師范大學(xué);2005年

5 胡昊;極化SAR圖像精細(xì)地物分類(lèi)方法研究與實(shí)現(xiàn)[D];上海交通大學(xué);2012年

6 林征;高光譜遙感在識(shí)別城市地物中的應(yīng)用研究[D];廣州大學(xué);2008年

7 司玉琴;遙感影像預(yù)處理與地物提取方法研究[D];西安科技大學(xué);2010年

8 吳長(zhǎng)朋;基于散射特性和空間相關(guān)特性的高分辨率SAR圖像地物分類(lèi)算法及系統(tǒng)實(shí)現(xiàn)[D];上海交通大學(xué);2012年

9 杜娜娜;機(jī)載LiDAR數(shù)據(jù)的半自動(dòng)化地物提取與三維重建[D];中國(guó)地質(zhì)大學(xué)(北京);2012年

10 朱辰賢;基于監(jiān)視檢測(cè)的高分SAR影像地物分類(lèi)方法研究[D];上海交通大學(xué);2013年

，

本文編號(hào)：1531795