【摘要】：極化合成孔徑雷達(dá)(極化SAR)已經(jīng)成為國(guó)內(nèi)外合成孔徑雷達(dá)發(fā)展的重要方向之一。傳統(tǒng)的單極化單通道合成孔徑雷達(dá),獲得的地物訊息極度有限,而極化合成孔徑雷達(dá)能夠提取更多的信息,以至于可以快速、準(zhǔn)確地對(duì)雷達(dá)圖像進(jìn)行解譯。因此,研究極化SAR圖像的理解與解譯是必要的并且具有重大的現(xiàn)實(shí)意義。本文主要研究基于SVM和散射機(jī)理的極化SAR影像地物分類方法。SVM是一種基于統(tǒng)計(jì)學(xué)習(xí)理論的有效的監(jiān)督分類器。它依據(jù)結(jié)構(gòu)風(fēng)險(xiǎn)最小化原則,在固定風(fēng)險(xiǎn)的同時(shí)得到VC維最小的最優(yōu)分類面,因此,能更好地避免過擬合問題,具有良好的泛化性能,因此,能很好地解決小樣本和線性不可分問題。目前,SVM應(yīng)用領(lǐng)域十分廣泛,但在全極化SAR圖像分類中的研究仍然處于處于萌芽階段,所以本文主要研究基于SVM和散射機(jī)理的極化SAR影像地物分類方法,主要工作如下:1.提出了一種基于Wishart測(cè)度和SVM的極化SAR影像地物分類方法。該方法進(jìn)行分類是所用的是其相干矩陣和H/alpha分解特征進(jìn)行分類,主要考慮在概率統(tǒng)計(jì)上相干矩陣服從Wishart分布,并且H/alpha是一種有效的極化信息提取技術(shù),多數(shù)實(shí)驗(yàn)證明散射熵和散射角在極化SAR影像地物分類中非常有效。所以將基于相干矩陣的相似度測(cè)量和基于極化特征的相似度測(cè)量結(jié)合起來作為SVM最終的核函數(shù),這樣的核函數(shù)在利用相干矩陣統(tǒng)計(jì)分布知識(shí)的基礎(chǔ)上,加入了目標(biāo)極化散射機(jī)制的約束信息,能夠充分的描述目標(biāo)間的相似性,至此達(dá)到更好的分類效果。2.提出了一種基于K均值聚類和深度SVM的極化SAR影像地物分類方法。該方法首先利用K均值聚類選出原始訓(xùn)練集中的有效信息作為最終的訓(xùn)練集來訓(xùn)練SVM分類器,這樣可以大大減少訓(xùn)練集,并且能有效地節(jié)省訓(xùn)練和預(yù)測(cè)的時(shí)間,接著將堆疊SVM映射到多層,可以得到更深層的深度特征和更好的分類精度,以提高極化SAR影像地物分類的精度和效率的普適性、泛化性。3.提出了一種基于紋理特征和深度SVM的極化SAR影像地物分類方法。該方法主要研究了將極化特征和紋理特征相結(jié)合,并用深度支持向量機(jī)(SVM)分類器分類。在本文中采用相干矩陣T作為主要極化特征。主要是由于單純的紋理特征對(duì)于極化SAR影像地物分類沒有考慮到極化特征,所以分類的邊緣效果比較差,將兩類特征有效地結(jié)合,實(shí)驗(yàn)證明,這種方法是實(shí)際可行的。
【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 張志龍;沈振康;李吉成;;一組基于廣義局部沃爾什變換的紋理特征[J];電子與信息學(xué)報(bào);2006年06期

2 張鳴華;;基于彩色圖像紋理特征的提取方法[J];福建電腦;2010年01期

3 劉星明;劉則毅;劉曉利;李阿蒙;;基于體積和紋理特征的深度像匹配[J];深圳大學(xué)學(xué)報(bào)(理工版);2012年01期

4 李逸岳;汪仁煌;朱穎;;基于改進(jìn)梯度算法的紋理特征圖像識(shí)別[J];微型機(jī)與應(yīng)用;2012年19期

5 陳錦源;高太長(zhǎng);劉磊;韓文宇;;基于小波變換與紋理特征分析的地基云圖識(shí)別[J];氣象水文海洋儀器;2014年01期

6 余棉水,黎紹發(fā);基于顏色和紋理特征的大理石分類[J];計(jì)算機(jī)工程;2002年09期

7 徐碩;王洲;;基于紋理特征和神經(jīng)網(wǎng)絡(luò)的圖像識(shí)別[J];中國(guó)農(nóng)學(xué)通報(bào);2007年09期

8 張濤;梁德群;王新年;張曉娜;;基于紋理特征的無參考圖像模糊度評(píng)價(jià)方法[J];計(jì)算機(jī)工程與應(yīng)用;2012年26期

9 郭治成;;基于信號(hào)處理描述紋理特征方法[J];中國(guó)新技術(shù)新產(chǎn)品;2012年21期

10 楊倩;高曉陽;武季玲;李紅嶺;楊占峰;孔彥龍;毛紅玉;寇敏瑜;;基于顏色和紋理特征的大麥主要病害識(shí)別研究[J];中國(guó)農(nóng)業(yè)大學(xué)學(xué)報(bào);2013年05期

相關(guān)會(huì)議論文 前10條

1 田學(xué)東;郭寶蘭;;基于紋理特征的版式識(shí)別研究[A];輝煌二十年——中國(guó)中文信息學(xué)會(huì)二十周年學(xué)術(shù)會(huì)議論文集[C];2001年

2 殷積東;劉博;王少輝;;基于粗糙集理論和關(guān)聯(lián)規(guī)則的腐蝕區(qū)域紋理特征檢測(cè)算法研究[A];圖像圖形技術(shù)研究與應(yīng)用(2010)[C];2010年

3 秦鐘;;基于紋理特征的車輛分割方法[A];第二十七屆中國(guó)控制會(huì)議論文集[C];2008年

4 王建新;周晨波;于文英;;利用紋理特征分析激光散斑圖像[A];第十一屆全國(guó)光學(xué)測(cè)試學(xué)術(shù)討論會(huì)論文（摘要集）[C];2006年

5 王宇生;陳純;;一種用于圖像檢索的紋理特征[A];中國(guó)圖象圖形學(xué)會(huì)第十屆全國(guó)圖像圖形學(xué)術(shù)會(huì)議（CIG’2001）和第一屆全國(guó)虛擬現(xiàn)實(shí)技術(shù)研討會(huì)（CVR’2001）論文集[C];2001年

6 龔紅菊;姬長(zhǎng)英;;基于紋理特征的麥穗產(chǎn)量測(cè)量方法研究[A];2007年中國(guó)農(nóng)業(yè)工程學(xué)會(huì)學(xué)術(shù)年會(huì)論文摘要集[C];2007年

7 常哲;侯榆青;程濤;李明俐;劉黎寧;;綜合顏色和紋理特征的圖像檢索[A];全國(guó)第三屆信號(hào)和智能信息處理與應(yīng)用學(xué)術(shù)交流會(huì)�？痆C];2009年

8 秦健;李濤;;基于Contourlet變換提取云的旋轉(zhuǎn)不變紋理特征[A];2009第五屆蘇皖兩省大氣探測(cè)、環(huán)境遙感與電子技術(shù)學(xué)術(shù)研討會(huì)專輯[C];2009年

9 張樹恒;陽維;廖廣姍;王蓮蕓;張素;;基于形狀和紋理特征的致敏花粉顯微圖像識(shí)別[A];中華醫(yī)學(xué)會(huì)2010年全國(guó)變態(tài)反應(yīng)學(xué)術(shù)會(huì)議暨中歐變態(tài)反應(yīng)高峰論壇參會(huì)指南/論文匯編[C];2010年

10 趙銀娣;蔡燕;;紋理特征在高空間分辨率遙感影像分類中的應(yīng)用探討[A];《測(cè)繪通報(bào)》測(cè)繪科學(xué)前沿技術(shù)論壇摘要集[C];2008年

相關(guān)博士學(xué)位論文 前2條

1 夏瑜;基于結(jié)構(gòu)的紋理特征及應(yīng)用研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2014年

2 李伯宇;圖像紋理分析及分類方法研究[D];復(fù)旦大學(xué);2007年

，

本文編號(hào)：2536324