本文選題：極化合成孔徑雷達(dá) + 圖像分類��； 參考：《西安電子科技大學(xué)學(xué)報(bào)》2015年02期

【摘要】：對于極化合成孔徑雷達(dá)(SAR)圖像,由于雷達(dá)角度和地物形狀導(dǎo)致屬于同一類的數(shù)據(jù)可能存在較大的差異性.針對此問題提出了一種基于貝葉斯集成框架的極化SAR圖像分類方法.該算法采用貝葉斯集成,通過學(xué)習(xí)不同個體而獲得的分類面來改善極化SAR圖像分類性能.首先,輸入極化SAR圖像,并獲得其對應(yīng)的極化SAR數(shù)據(jù)及特征.從圖像的每一類中任意選擇像素點(diǎn)作為圖像分類的原始訓(xùn)練樣本,并對其進(jìn)行隨機(jī)劃分獲得不同的樣本子集.然后,基于獲得的樣本子集構(gòu)造對應(yīng)極化SAR圖像的貝葉斯集成框架.最后,通過構(gòu)造的貝葉斯集成框架對極化SAR圖像進(jìn)行分類.特別在構(gòu)造貝葉斯集成框架中采用支撐矢量機(jī)作為基本的分類器算法.實(shí)驗(yàn)結(jié)果表明,所提出的算法相比經(jīng)典的極化SAR分類方法和單個SVM的極化SAR分類方法獲得更好的分類性能.
[Abstract]:For polarimetric synthetic Aperture Radar (SAR) images, there may be large differences in data belonging to the same class due to radar angle and object shape. To solve this problem, a polarimetric SAR image classification method based on Bayesian integrated framework is proposed. Bayesian ensemble is used to improve the classification performance of polarimetric SAR images by learning the classification surfaces obtained from different individuals. Firstly, the polarimetric SAR image is input and the corresponding polarimetric SAR data and features are obtained. The pixel points are chosen as the original training samples of image classification from each class of images, and different subsets of samples are obtained by randomly partitioning them. Then, a Bayesian ensemble framework for polarimetric SAR images is constructed based on the obtained sample subsets. Finally, the polarimetric SAR images are classified by a Bayesian integrated framework. In particular, support vector machine (SVM) is used as the basic classifier algorithm in constructing Bayesian integration framework. Experimental results show that the proposed algorithm has better classification performance than classical polarimetric SAR classification method and single SVM polarimetric SAR classification method.
【作者單位】： 西安電子科技大學(xué)智能感知與圖像理解教育部重點(diǎn)實(shí)驗(yàn)室;西安電子科技大學(xué)計(jì)算機(jī)學(xué)院;
【基金】：國家重點(diǎn)基礎(chǔ)研究發(fā)展計(jì)劃資助項(xiàng)目(2013CB329402) 國家自然科學(xué)基金資助項(xiàng)目(61271302,61272282,61202176,61271298) 國家教育部博士點(diǎn)基金資助項(xiàng)目(20100203120005)
【分類號】：TN957.52

【參考文獻(xiàn)】

相關(guān)期刊論文 前3條

1 徐豐;金亞秋;;目標(biāo)散射的去取向理論和應(yīng)用(一)去取向理論[J];電波科學(xué)學(xué)報(bào);2006年01期

2 顏學(xué)穎;焦李成;王凌霞;;利用Brushlet變換進(jìn)行SAR圖像變化檢測[J];西安電子科技大學(xué)學(xué)報(bào);2013年06期

3 廖軼;楊澤民;邢孟道;保錚;包敏;;斜視圓跡環(huán)掃SAR模式特性分析及成像方法[J];西安電子科技大學(xué)學(xué)報(bào);2014年01期

【共引文獻(xiàn)】

相關(guān)期刊論文 前10條

1 許高程;張文君;王衛(wèi)紅;;支持向量機(jī)技術(shù)在遙感影像滑坡體提取中的應(yīng)用[J];安徽農(nóng)業(yè)科學(xué);2009年06期

2 管翠萍;;藥物靶標(biāo)G蛋白偶聯(lián)受體的識別預(yù)測[J];安徽農(nóng)業(yè)科學(xué);2010年24期

3 劉婷婷;;基于支持向量機(jī)的水稻紋枯病識別研究[J];安徽農(nóng)業(yè)科學(xué);2011年28期

4 高闖;王立東;周世宇;;基于支持矢量機(jī)的宮頸細(xì)胞分類[J];遼寧科技大學(xué)學(xué)報(bào);2009年03期

5 汪廷華;田盛豐;黃厚寬;廖年冬;;樣本屬性重要度的支持向量機(jī)方法[J];北京交通大學(xué)學(xué)報(bào);2007年05期

6 尚磊;劉風(fēng)進(jìn);;基于支持向量機(jī)的手寫體數(shù)字識別[J];兵工自動化;2007年03期

7 向世勇;李春升;陳杰;;基于去噪的SAR復(fù)圖像SPIHT壓縮算法[J];北京航空航天大學(xué)學(xué)報(bào);2008年03期

8 胡淑燕;鄭鋼鐵;;應(yīng)用支持向量機(jī)的眼瞼參數(shù)疲勞預(yù)測[J];北京航空航天大學(xué)學(xué)報(bào);2009年08期

9 王自強(qiáng);段愛玲;張德賢;;基于自適應(yīng)核函數(shù)的支持向量數(shù)據(jù)描述算法[J];北京化工大學(xué)學(xué)報(bào)(自然科學(xué)版);2008年02期

10 陳增照;楊揚(yáng);董才林;何秀玲;;支持向量機(jī)動態(tài)學(xué)習(xí)方法及其在票據(jù)識別中的應(yīng)用[J];北京科技大學(xué)學(xué)報(bào);2006年02期

相關(guān)會議論文 前10條

1 ;An effective procedure exploiting unlabeled data to build monitoring system[A];中國科學(xué)院地質(zhì)與地球物理研究所第11屆（2011年度）學(xué)術(shù)年會論文集(下)[C];2012年

2 ;A Novel Kernel PCA Support Vector Machine Algorithm with Feature Transition Function[A];第二十六屆中國控制會議論文集[C];2007年

3 呂蓬;柳亦兵;馬強(qiáng);魏于凡;;支持向量機(jī)在齒輪智能故障診斷中的應(yīng)用研究[A];第二十六屆中國控制會議論文集[C];2007年

4 ;Fault Pattern Recognition of Rolling Bearings Based on Wavelet Packet and Support Vector Machine[A];第二十七屆中國控制會議論文集[C];2008年

5 蔣少華;桂衛(wèi)華;陽春華;唐朝暉;蔣朝輝;;基于主元分析與支持向量機(jī)的方法及其在密閉鼓風(fēng)爐過程監(jiān)控診斷中的應(yīng)用[A];第二十七屆中國控制會議論文集[C];2008年

6 王海豐;李壯;任洪娥;趙鵬;;基于非下采樣Contourlet變換和SVM的紋理圖像分割算法[A];第二十九屆中國控制會議論文集[C];2010年

7 ;Image Classification with Ant Colony Based Support Vector Machine[A];中國自動化學(xué)會控制理論專業(yè)委員會A卷[C];2011年

8 晉朝勃;胡剛強(qiáng);史廣智;李玉陽;;一種采用支持向量機(jī)的水中目標(biāo)識別方法[A];中國聲學(xué)學(xué)會水聲學(xué)分會2011年全國水聲學(xué)學(xué)術(shù)會議論文集[C];2011年

9 劉英林;劉洪鵬;g竊，

本文編號：2042047