本文選題：極化SAR + 分類　； 參考：《西安電子科技大學(xué)》2014年碩士論文

【摘要】：極化合成孔徑雷達(dá)(Polarimetric Synthetic Aperture Radar,PolSAR)因其在圖像獲取方面不會(huì)受到光照、天氣等原因的影響,真正達(dá)到了全天侯二十四小時(shí)不間斷獲取圖像的要求,使得極化SAR被廣泛的應(yīng)用到軍用和民用等方面。隨著獲取的極化SAR影像數(shù)量的增多,同時(shí)極化SAR影像本身又包含了極為豐富的信息,因此極化SAR影像處理和解譯已成為與國(guó)防建設(shè)和經(jīng)濟(jì)發(fā)展密切相關(guān)的一項(xiàng)重要研究。本文針對(duì)極化SAR影像分類方法進(jìn)行了大量研究,并提出了三種改進(jìn)方法:1.提出了一種基于模糊粒子群優(yōu)化和散射分解的極化SAR影像地物分類的改進(jìn)方法。該方法中我們采用Cloude分解對(duì)極化SAR數(shù)據(jù)進(jìn)行特征分解,將得到的散射特征——散射熵和散射角作為分類依據(jù),并采用FCM聚類算法代替復(fù)Wishart分類器對(duì)極化SAR數(shù)據(jù)進(jìn)行分類,使計(jì)算復(fù)雜度降低,程序運(yùn)行時(shí)間縮短。同時(shí)針對(duì)FCM聚類算法的缺陷,用粒子群算法的粒子尋優(yōu)過(guò)程代替FCM中聚類中心迭代優(yōu)化過(guò)程,從而避免因采用梯度下降產(chǎn)生的使聚類中心陷入局部最優(yōu)的缺陷,最終達(dá)到比較好的分類結(jié)果。試驗(yàn)證明,改進(jìn)后的方法得到的分類結(jié)果更加精確。2.提出了一種基于模糊粒子群優(yōu)化和目標(biāo)分解的極化SAR影像地物分類方法,我們繼承了方法一中利用FCM聚類算法代替復(fù)Wishart分類器對(duì)極化SAR數(shù)據(jù)進(jìn)行分類的方法,并且用粒子群算法的尋優(yōu)迭代方法代替FCM的聚類中心更新的迭代方法。延續(xù)了方法一中優(yōu)越性的同時(shí),我們利用Cloude分解和Freeman分解,提取出極化SAR數(shù)據(jù)的散射特征——散射熵和散射功率,并將其作為分類依據(jù)。我們既可以通過(guò)Cloude分解充分利用極化SAR數(shù)據(jù)的八分量分解旋轉(zhuǎn)不變性,又能通過(guò)Freeman分解合理使用幅值信息,從而保留更多圖像細(xì)節(jié),較好地保留散射機(jī)制。更加合理有效的使用極化SAR數(shù)據(jù)的散射特征使分類結(jié)果更加接近實(shí)際情況。3.提出了一種基于模糊量子粒子群優(yōu)化和目標(biāo)分解的極化SAR影像地物分類方法,本方法是對(duì)方法一和方法二的改進(jìn),我們?cè)谇皟煞N方法的基礎(chǔ)上采用改進(jìn)過(guò)的粒子群算法,即量子粒子群的迭代優(yōu)化過(guò)程代替FCM中聚類中心迭代優(yōu)化的過(guò)程。通過(guò)將量子運(yùn)動(dòng)理論引入粒子群算法,利用量子運(yùn)動(dòng)中的粒子隨機(jī)性比較大的優(yōu)點(diǎn),避免完全隨機(jī)尋優(yōu)的退化現(xiàn)象,基本克服了粒子群算法中過(guò)早收斂的問(wèn)題。最后進(jìn)行實(shí)驗(yàn)對(duì)比表明改進(jìn)后的方法得到的分類結(jié)果更加精確。
[Abstract]:Polarimetric Synthetic Aperture Radarr PolSAR (PolSAR), because it is not affected by illumination, weather and other reasons in image acquisition, has really achieved the requirement of obtaining images continuously for 24 hours in the whole day. Polarization SAR is widely used in military and civil fields. With the increase of the number of polarimetric SAR images and the rich information contained in the polarimetric SAR images, the processing and interpretation of polarized SAR images has become an important research closely related to national defense construction and economic development. In this paper, we have done a lot of research on polarimetric SAR image classification method, and proposed three improved methods: 1. An improved method for ground object classification of polarized SAR images based on fuzzy particle swarm optimization and scattering decomposition is proposed. In this method, we use the Cloude decomposition to decompose the polarimetric SAR data, take the scattering feature-scattering entropy and the scattering angle as the classification basis, and use the FCM clustering algorithm instead of the complex Wishart classifier to classify the polarized SAR data. The computational complexity is reduced and the running time of the program is shortened. At the same time, aiming at the defects of FCM clustering algorithm, the particle optimization process of particle swarm optimization algorithm is used to replace the iterative optimization process of clustering center in FCM, so as to avoid the defect that the cluster center falls into local optimum by using gradient descent. Finally, a better classification result is achieved. The experimental results show that the classification results obtained by the improved method are more accurate. 2. 2. In this paper, a method of ground object classification for polarized SAR images based on fuzzy particle swarm optimization and target decomposition is proposed. In the first method, we use FCM clustering algorithm instead of complex Wishart classifier to classify polarized SAR data. Particle swarm optimization (PSO) algorithm is used to replace FCM's clustering center updating iteration method. At the same time, we use Cloude decomposition and Freeman decomposition to extract the scattering characteristics of polarized SAR data-scattering entropy and scattering power, and take them as the classification basis. We can not only make full use of the rotation invariance of the 8-component decomposition of polarized SAR data by Cloude decomposition, but also use the amplitude information reasonably by Freeman decomposition, so as to retain more image details and better scattering mechanism. More reasonable and effective use of polarimetric SAR data scattering features make the classification results closer to the actual situation. 3. Based on fuzzy quantum particle swarm optimization (FQPSO) and target decomposition, a new ground object classification method for polarimetric SAR images is proposed. This method is an improvement of methods 1 and 2. We use an improved PSO algorithm on the basis of the first two methods. That is, the iterative optimization process of quantum particle swarm optimization replaces the iterative optimization process of clustering center in FCM. By introducing the theory of quantum motion into particle swarm optimization (PSO) and taking advantage of the large randomness of particle in quantum motion, the degradation of complete random optimization is avoided, and the problem of premature convergence in PSO is overcome. Finally, the experimental results show that the improved method is more accurate.
【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】：2014
【分類號(hào)】：TN957.52

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 洪漢妮;;PhotoDraw 2000[J];電子測(cè)試;1999年10期

2 陳思聰;影像設(shè)計(jì)和藝術(shù)專欄[J];桌面出版與設(shè)計(jì);1995年05期

3 陳思聰;影像設(shè)計(jì)和藝術(shù)專欄[J];桌面出版與設(shè)計(jì);1995年06期

4 張問(wèn)驊;電子影像處理技術(shù)[J];自動(dòng)化博覽;1996年02期

5 徐辛超;徐愛(ài)功;蘇麗娟;;基于影像服務(wù)的LBS應(yīng)用研究[J];測(cè)繪通報(bào);2012年01期

6 宋繼革;影像資料的獲取方法[J];計(jì)算機(jī)時(shí)代;1999年02期

7 鐘志農(nóng),景寧,陳犖;基于Web的影像數(shù)據(jù)發(fā)布[J];計(jì)算機(jī)工程與科學(xué);2004年06期

8 張繼賢,唐新明,曾鈺,商瑤玲,李成名,趙仁亮,燕琴,李曉霞,周曉光,李學(xué)友,李英成,汪匯兵,史紹雨;地學(xué)影像—大陸間的紐帶——記第二十屆ISPRS大會(huì)[J];遙感信息;2005年01期

9 鐘慶豐;;探究影像辨識(shí)里的臉部偵測(cè)技術(shù)(三)[J];電子與電腦;2007年06期

10 何敬;李永樹(shù);魯恒;;無(wú)人機(jī)影像拼接誤差實(shí)驗(yàn)研究[J];激光與光電子學(xué)進(jìn)展;2011年12期

相關(guān)會(huì)議論文 前10條

1 徐明景;;高動(dòng)態(tài)域影像色彩復(fù)制之研究[A];傳統(tǒng)色彩與現(xiàn)代應(yīng)用——海峽兩岸傳統(tǒng)色彩與現(xiàn)代應(yīng)用學(xué)術(shù)研討會(huì)論文集[C];2010年

2 林卉;趙長(zhǎng)勝;景海濤;;高分辨率遙感衛(wèi)星影像的處理技術(shù)與解決方案[A];江蘇省測(cè)繪學(xué)會(huì)2007'學(xué)術(shù)年會(huì)論文集[C];2008年

3 高偉;王紅平;;基于MAPGIS的DMC影像直接定向方案[A];第四屆海峽兩岸GIS發(fā)展研討會(huì)暨中國(guó)GIS協(xié)會(huì)第十屆年會(huì)論文集[C];2006年

4 陳學(xué)才;;實(shí)施PACS系統(tǒng)要解決的關(guān)鍵問(wèn)題[A];2002年全國(guó)醫(yī)學(xué)影像技術(shù)學(xué)術(shù)會(huì)議論文匯編[C];2002年

5 趙四海;;淺談數(shù)字減影的影像處理[A];第二屆全國(guó)非血管性與血管性介入新技術(shù)學(xué)術(shù)研討會(huì)暨第三屆介入放射學(xué)新技術(shù)提高班論文匯編[C];2005年

6 曾福年;楊清華;;基于高分辨率遙感影像技術(shù)的開(kāi)發(fā)區(qū)用地變化快速監(jiān)測(cè)[A];新技術(shù)在土地調(diào)查中的應(yīng)用與土地科學(xué)技術(shù)發(fā)展-2005年中國(guó)土地學(xué)會(huì)學(xué)術(shù)年會(huì)論文集[C];2005年

7 欒有昆;王沖;;QuickBird影像在水庫(kù)淹沒(méi)土地利用現(xiàn)狀更新中的應(yīng)用[A];中國(guó)水力發(fā)電工程學(xué)會(huì)第四屆地質(zhì)及勘探專業(yè)委員會(huì)第二次學(xué)術(shù)交流會(huì)論文集[C];2010年

8 徐伯慶;潘小輝;夏佶晟;;血液細(xì)胞黏度測(cè)試中的影像處理[A];第七屆全國(guó)信息獲取與處理學(xué)術(shù)會(huì)議論文集[C];2009年

9 熊德科;;航測(cè)DOM影像一致性處理工序[A];中國(guó)測(cè)繪學(xué)會(huì)九屆三次理事會(huì)暨2007年“信息化測(cè)繪論壇”學(xué)術(shù)年會(huì)論文集[C];2007年

10 熊德科;;航測(cè)DOM影像一致性處理工序[A];全國(guó)測(cè)繪科技信息網(wǎng)中南分網(wǎng)第二十一次學(xué)術(shù)信息交流會(huì)論文集[C];2007年

相關(guān)重要報(bào)紙文章 前10條

1 ;友立音色傳奇 十五載影音之路[N];中國(guó)計(jì)算機(jī)報(bào);2004年

2 郭靜蓉 DigiTimes;奇美電子發(fā)布變色龍及動(dòng)態(tài)清晰兩大影像處理新技術(shù)[N];電子資訊時(shí)報(bào);2007年

3 本報(bào)記者 張巍巍;影像和GIS的未來(lái)走向：簡(jiǎn)便易用 真實(shí)生動(dòng)[N];科技日?qǐng)?bào);2009年

4 本報(bào)記者 崔慕麗;1元≥1美元？[N];計(jì)算機(jī)世界;2001年

5 甲丁;地學(xué)領(lǐng)域：重點(diǎn)支持深海航空探測(cè)技術(shù)裝備研發(fā)[N];地質(zhì)勘查導(dǎo)報(bào);2010年

6 ;新一代影像處理技術(shù)“南�！眴�(wèn)世[N];人民郵電;2001年

7 何進(jìn)偉;虹軟尋找拓展與突破的平衡[N];中國(guó)計(jì)算機(jī)報(bào);2003年

8 孫新峰;從數(shù)字影像中看傳統(tǒng)攝影的價(jià)值(1)[N];中國(guó)攝影報(bào);2005年

9 ;便攜“影像處理工廠”[N];計(jì)算機(jī)世界;2003年

10 通訊員 陸偉邋記者 崔彥玲;歸國(guó)博士“求解”藍(lán)藻預(yù)警難題[N];常州日?qǐng)?bào);2007年

相關(guān)博士學(xué)位論文 前10條

1 薛朝輝;高光譜遙感影像稀疏圖嵌入分類研究[D];南京大學(xué);2015年

2 孫曉霞;基于多極化SAR影像的土地利用/土地覆蓋變化檢測(cè)方法研究[D];中國(guó)礦業(yè)大學(xué);2011年

3 唐敏;序列無(wú)人機(jī)影像預(yù)處理與匹配中的幾個(gè)關(guān)鍵問(wèn)題研究[D];西南交通大學(xué);2014年

4 王瀟;三線陣傳感器影像真正射糾正中遮蔽區(qū)域的檢測(cè)及補(bǔ)償研究[D];武漢大學(xué);2009年

5 王競(jìng)雪;移動(dòng)高程平面約束的多視影像可靠匹配方法[D];遼寧工程技術(shù)大學(xué);2010年

6 何鈺;基于月面CCD影像和激光測(cè)高數(shù)據(jù)的月球形貌測(cè)繪技術(shù)研究[D];解放軍信息工程大學(xué);2012年

7 宣文玲;以中小比例尺地形圖為基準(zhǔn)的高分辨率遙感影像定位方法研究[D];武漢大學(xué);2005年

8 魯恒;利用無(wú)人機(jī)影像進(jìn)行土地利用快速巡查的幾個(gè)關(guān)鍵問(wèn)題研究[D];西南交通大學(xué);2012年

9 張?jiān)票?支持衛(wèi)星遙感數(shù)據(jù)融合的影像定位理論與方法[D];解放軍信息工程大學(xué);2004年

10 桂德竹;基于組合寬角相機(jī)低空影像的城市建筑物三維模型構(gòu)建研究[D];中國(guó)礦業(yè)大學(xué);2010年

相關(guān)碩士學(xué)位論文 前10條

1 王倩;衛(wèi)星線陣影像處理關(guān)鍵技術(shù)研究[D];北京建筑大學(xué);2015年

2 趙文怡;基于TM影像對(duì)HJ-1 CCD影像幾何校正的AutoGCs軟件的性能評(píng)估[D];西南交通大學(xué);2015年

3 李健;基于高分影像城市群路網(wǎng)瓶頸路段判別技術(shù)與系統(tǒng)實(shí)現(xiàn)[D];湖南工業(yè)大學(xué);2015年

4 陳繼溢;正射影像鑲嵌線快速檢測(cè)方法研究[D];中國(guó)測(cè)繪科學(xué)研究院;2015年

5 李陽(yáng);基于網(wǎng)絡(luò)資源獲取鐵路選線地理信息的方法及實(shí)現(xiàn)技術(shù)[D];西南交通大學(xué);2015年

6 朱真;歐拉影像放大算法在橋梁風(fēng)致振動(dòng)的研究及應(yīng)用[D];長(zhǎng)安大學(xué);2015年

7 尹文亭;基于多核支持向量機(jī)的高分辨率遙感影像建筑物提取研究[D];江西理工大學(xué);2015年

8 周舟;同一認(rèn)定中基于牙齒影像的檢測(cè)與識(shí)別算法研究[D];山東大學(xué);2015年

9 劉冬華;基于視覺(jué)注意機(jī)制的高分影像變化檢測(cè)技術(shù)研究[D];哈爾濱工業(yè)大學(xué);2015年

10 王凱;基于ZY-1-02C和OLI影像的林地地類變化信息提取研究[D];南京林業(yè)大學(xué);2015年

，

本文編號(hào)：1793253