發(fā)布時間：2020-04-03 22:57

【摘要】：合成孔徑雷達(Synthetic Aperture Radar,SAR)是一種高分辨率雷達體制,其成像基本不受天氣、光照等因素的影響,可以全天時、全天候地對目標進行穩(wěn)定的監(jiān)測,目前已廣泛應(yīng)用于農(nóng)業(yè)、軍事、地質(zhì)檢測等領(lǐng)域。SAR圖像分類可以提供圖像的整體結(jié)構(gòu)信息,凸顯感興趣區(qū)域,在圖像理解中具有十分重要的作用。近年來,字典學習與稀疏編碼越來越廣泛的應(yīng)用于圖像分類。本文主要針對SAR圖像的分類任務(wù),提出了一種子模字典學習方法,旨在高效地學習一個緊湊且具有判別性的字典。在研究了傳統(tǒng)圖像分類相關(guān)方法的基礎(chǔ)上,本文利用子模理論對部分方法進行了改進:第一,改進了基于稀疏編碼的空間金字塔特征計算方法。傳統(tǒng)的方法是采用迭代的方式學習字典,迭代的次數(shù)越大,字典學習的時間也越長。本文采用子模聚類的方式計算字典,大大減小了字典學習的時間。第二,提出了一個新穎的子模目標函數(shù)。該函數(shù)包括三項:基于圖模型的隨機游走熵率,一個判別項和一個平衡項。隨機游走熵率可以促使獲得一個緊湊、同質(zhì)的聚類結(jié)果;判別項使得每一個聚類簇具有較高的類純度;平衡項使得每一個聚類簇具有相似的尺寸。第三,改進了字典項的計算方式。本文的字典項采用聚類成員中數(shù)量最多的那一個目標類元素的平均值,而非所有成員的平均值,最大程度的使用聚類簇的主要信息,進一步提升了字典的判別性,從視覺上提升了細節(jié)信息的分類效果。本文將圖論、子模性、字典學習和稀疏編碼等理論有機的結(jié)合起來,首先對圖像進行尺度不變特征變換(Scale Invariant Feature Transform,SIFT)特征提取并獲得其對應(yīng)的空間金字塔描述,然后利用空間金字塔特征來構(gòu)造圖模型,接著最大化一個子模目標函數(shù),對圖模型進行聚類并計算字典,最后分別采用支持向量機(Support Vector Machine,SVM)和稀疏編碼的方式實現(xiàn)SAR圖像的分類。比起傳統(tǒng)的方法,通過本方法得到的SAR圖像分類效果具有更高的分類準確率,同質(zhì)區(qū)域一致性也更佳。
【圖文】：

的大腦活動情況，標記為黃色的表示活躍的區(qū)域。圖 1.1 (a)描，圖 1.1 (b)描述了熟練操作的飛行員的大腦。可以看出，熟練。換句話來說，在接收到某個相同的任務(wù)時，，熟練者只需要支費較少的能量，就能有效地進行同樣的計算。從字典學習、稀說明大腦知道如何對外界的刺激（如指令、任務(wù)等）進行稀疏

離散最優(yōu)化問題是指，函數(shù)變量為離散值條件下的求解最值個問題之前，需要先介紹一下連續(xù)最優(yōu)化問題，如圖 2.2.1 所示， FRRn: 是一個凸函數(shù)，可以被有效的最大化，即具有最大值， FRRn: 是一個凹函數(shù)，可以被有效的最小化，即具有最小值，在頂點處取得。
【學位授予單位】：西安電子科技大學
【學位級別】：碩士
【學位授予年份】：2018
【分類號】：TN957.52

【參考文獻】

相關(guān)期刊論文 前4條

1 馮波;郝文寧;陳剛;占棟輝;;K-means算法初始聚類中心選擇的優(yōu)化[J];計算機工程與應(yīng)用;2013年14期

2 馬箐;謝娟英;;基于粒計算的K-medoids聚類算法[J];計算機應(yīng)用;2012年07期

3 姚麗娟;羅可;孟穎;;一種新的k-medoids聚類算法[J];計算機工程與應(yīng)用;2013年19期

4 王千;王成;馮振元;葉金鳳;;K-means聚類算法研究綜述[J];電子設(shè)計工程;2012年07期

相關(guān)博士學位論文 前1條

1 計科峰;SAR圖像目標特征提取與分類方法研究[D];中國人民解放軍國防科學技術(shù)大學;2003年

本文編號：2613809