【摘要】：合成孔徑雷達(dá)成像系統(tǒng)(Synthetic aperture Radar,SAR)不但具有全天候全時段,不受云霧雨雪干擾的工作能力,且能夠提供豐富的地物信息。因此SAR圖像在目標(biāo)檢測,分類方面具有突出的優(yōu)勢,被廣泛應(yīng)用于農(nóng)業(yè)評估、軍事偵察、環(huán)境監(jiān)測、災(zāi)害預(yù)警以及地質(zhì)勘探等諸多方面。SAR圖像解譯是遙感領(lǐng)域的重要研究課題,而SAR圖像分類是SAR圖像解譯的基礎(chǔ),并在近年來受到廣泛的關(guān)注與研究。然而,SAR圖像由于其獨(dú)特的成像特性,在具備大量地物信息的同時也提高了對其進(jìn)行圖像解譯的難度。同時相干斑噪聲的存在更降低了傳統(tǒng)研究方法對于SAR圖像分類和解譯等操作的準(zhǔn)確性。因此,研究SAR圖像分類算法具有重要的理論意義和實(shí)用價值。本文主要研究的是基于深度學(xué)習(xí)的SAR圖像分類算法,同時展開了噪聲對于SAR圖像分類性能干擾的研究。深度學(xué)習(xí)通過對SAR圖像的多層次特征學(xué)習(xí),從SAR的低層次特征中逐漸學(xué)習(xí)得到抽象的高層次特征,實(shí)現(xiàn)對SAR圖像的深層特征提取。針對SAR圖像中相干斑噪聲的存在,相干斑去噪技術(shù)的應(yīng)用可以有效降低其對于圖像內(nèi)容及特征的影響,從而提高了提取特征的分辨能力。針對上述問題,本文總結(jié)了多種相干斑去噪方法對于SAR圖像分類的影響,并應(yīng)用深度學(xué)習(xí)方法對SAR圖像進(jìn)行分類研究,并分析實(shí)驗(yàn)結(jié)果。文章的主要工作如下:1)針對SAR中相干斑噪聲對于深度學(xué)習(xí)模型的影響展開了研究。首先建立了一種基于深度置信網(wǎng)絡(luò)的SAR圖像分類算法。針對圖像中已知類型區(qū)域,通過深度置信網(wǎng)絡(luò)學(xué)習(xí)SAR圖像中不同區(qū)域的特征,從而完成對SAR圖像未知類型區(qū)域的分類。針對SAR圖像中相干斑噪聲的影響,文章也在不同噪聲水平的合成SAR圖像分類展開了對比性研究。同時,文章分別應(yīng)用了不同濾波方法抑制相干斑噪聲,從而分析噪聲對于深度置信網(wǎng)絡(luò)分類的影響。2)提出了一種基于區(qū)域?yàn)V波和深度置信網(wǎng)絡(luò)的SAR圖像分類算法。首先通過各向異性紋理分析實(shí)現(xiàn)了針對不同區(qū)域的劃分,并針對不同區(qū)域采取不同的濾波策略從而提高不同區(qū)域的差異性,然后通過DBN挖掘提取SAR圖像的深層特征,并應(yīng)用到SAR圖像的分類當(dāng)中。該算法將相干斑去噪技術(shù)和深度置信網(wǎng)絡(luò)相結(jié)合,在通過深度置信網(wǎng)絡(luò)對SAR圖像進(jìn)行無監(jiān)督的學(xué)習(xí)和特征提取的同時,提出了區(qū)域?yàn)V波的方法來減少相干斑噪聲對分類結(jié)果的影響,并提高了深度置信網(wǎng)絡(luò)對于圖像邊緣區(qū)域和勻質(zhì)區(qū)域的識別能力。為了驗(yàn)證本文提出的SAR圖像分類算法的性能優(yōu)勢,利用仿真SAR圖像和實(shí)測SAR圖像進(jìn)行了對比實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果表明:對比于其它SAR圖像分類算法,本文提出的算法具備更高的識別精度,同時對于SAR圖像中不同區(qū)域具備更好的分類效果。
【圖文】：

波轉(zhuǎn)換為回波信號并提取信息，顯示出目標(biāo)的距離，方向和速度等信息。逡逑與紅外成像系統(tǒng)和可見光成像成像系統(tǒng)不同，ＳＡＲ主要采用的是測試?yán)走_(dá)成逡逑像和有源工作方式相組合的工作方式。ＳＡＲ的工作原理圖如圖２．１所示。逡逑軌跡逡逑怒卜逡逑／掃描寬＾逡逑／邐／方位向逡逑圖２．１邋ＳＡＲ工作原理圖逡逑Ｆｉｇ．邋２．１邋Ｓｃｈｅｍａｔｉｃ邋ｄｉａｇｒａｍ邋ｏｆ邋ＳＡＲ邋ｉｍａｇｉｎｇ邋ｐｒｉｎｃｉｐｌｅ逡逑合成孔徑的基本原理是通過小孔徑天線進(jìn)行連續(xù)的移動并向地表發(fā)射連續(xù)的逡逑電磁波信號，根據(jù)接收到的回波信號從而實(shí)現(xiàn)針對地表信息的收集和重現(xiàn)。由于逡逑地表中不同目標(biāo)區(qū)域和小孔徑天線高度的差異，其回波信號的反射時間不同，ＳＡＲ逡逑１１逡逑

同質(zhì)區(qū)域的灰度值相同，而不同灰度則表示兩種不同的區(qū)域。然而相干斑噪聲的逡逑存在表現(xiàn)同質(zhì)區(qū)域中，其中最為明顯的表現(xiàn)就是圖像中存在部分像素點(diǎn)像素值較逡逑大和較小的現(xiàn)象，在ＳＡＲ圖像中具體為顆粒狀的相干斑。由圖２．２可以查看出，逡逑相干斑噪聲的存在模糊了真實(shí)地物的邊界信息，，更影響了之后的圖像解譯。逡逑１３逡逑
【學(xué)位授予單位】：合肥工業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：TN957.52

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 李會民;馬桂英;王延倉;;基于深度學(xué)習(xí)網(wǎng)絡(luò)的水質(zhì)圖像分類[J];北華航天工業(yè)學(xué)院學(xué)報;2018年04期

2 彭娟;;特征選擇和聚類分析的圖像分類模型[J];現(xiàn)代電子技術(shù);2017年19期

3 田凱;杜鵬;;基于C#的圖像分類系統(tǒng)實(shí)現(xiàn)[J];數(shù)碼世界;2017年08期

4 王科平;張志剛;;基于特征加權(quán)的自動圖像分類方法[J];微型電腦應(yīng)用;2014年01期

5 汪煜浩;華瑞林;;山地衛(wèi)星圖像分類制圖方法研究[J];遙感信息;1987年04期

6 吳健;賈宏宇;;基于遷移學(xué)習(xí)的圖像分類方法研究[J];河南科技;2018年31期

7 林澤文;;深度學(xué)習(xí)及其在圖像分類識別中的運(yùn)用探討[J];信息與電腦(理論版);2018年12期

8 李舒;吳磊;;數(shù)據(jù)挖掘在醫(yī)學(xué)圖像分類中的應(yīng)用[J];醫(yī)學(xué)信息學(xué)雜志;2014年08期

9 朱峗,吳煒;圖像分類中變形決策樹的應(yīng)用[J];計(jì)算機(jī)工程與應(yīng)用;2004年21期

10 程玉虎;喬雪;王雪松;;基于混合屬性的零樣本圖像分類[J];電子學(xué)報;2017年06期

相關(guān)會議論文 前10條

1 吳楠;李曉曦;宋方敏;;圖像挖掘及其在醫(yī)學(xué)圖像分類中的應(yīng)用[A];2006年全國理論計(jì)算機(jī)科學(xué)學(xué)術(shù)年會論文集[C];2006年

2 朱松豪;劉佳偉;胡榮林;;一種圖像分類的新方法[A];第26屆中國控制與決策會議論文集[C];2014年

3 文振q;歐陽杰;朱為總;;基于語義特征與支持向量機(jī)的圖像分類[A];中國電子學(xué)會第十六屆信息論學(xué)術(shù)年會論文集[C];2009年

4 武文;李昊;王曉軍;吳永輝;;極化誤差對圖像分類的影響分析[A];全國第20屆計(jì)算機(jī)技術(shù)與應(yīng)用學(xué)術(shù)會議（CACIS·2009）暨全國第1屆安全關(guān)鍵技術(shù)與應(yīng)用學(xué)術(shù)會議論文集（上冊）[C];2009年

5 范海地;謝鳳英;;基于卷積神經(jīng)網(wǎng)絡(luò)的皮膚鏡圖像分類[A];第十五屆中國體視學(xué)與圖像分析學(xué)術(shù)會議論文集[C];2017年

6 吳霜;張一飛;修非;王大玲;鮑玉斌;于戈;;基于興趣點(diǎn)特征提取的醫(yī)學(xué)圖像分類[A];第二十四屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（研究報告篇）[C];2007年

7 蘆穎;倪維平;嚴(yán)衛(wèi)東;邊輝;;基于改進(jìn)極化目標(biāo)分解算法的POLSAR圖像分類[A];國家安全地球物理叢書（十一）——地球物理應(yīng)用前沿[C];2015年

8 潘海為;李建中;張煒;;基于像素聚類的腦部醫(yī)學(xué)圖像分類[A];第二十屆全國數(shù)據(jù)庫學(xué)術(shù)會議論文集（研究報告篇）[C];2003年

9 佘杰;;基于BP神經(jīng)網(wǎng)絡(luò)的煤巖圖像分類識別[A];第23屆全國煤礦自動化與信息化學(xué)術(shù)會議暨第5屆中國煤礦信息化與自動化高層論壇論文集[C];2013年

10 武進(jìn);尹愷;王長明;張家才;;SVDM在蔬菜病害圖像分類中的應(yīng)用[A];圖像圖形技術(shù)與應(yīng)用進(jìn)展——第三屆圖像圖形技術(shù)與應(yīng)用學(xué)術(shù)會議論文集[C];2008年

相關(guān)博士學(xué)位論文 前10條

1 張姝茵;基于判別性特征學(xué)習(xí)的極化SAR圖像分類[D];西安電子科技大學(xué);2018年

2 滑文強(qiáng);小樣本下的極化SAR圖像分類問題研究[D];西安電子科技大學(xué);2018年

3 鄭昱;面向大規(guī)模圖像分類的層次化多任務(wù)學(xué)習(xí)算法研究[D];西安電子科技大學(xué);2017年

4 郭雨薇;基于超像素表征和模糊特征學(xué)習(xí)的圖像分類與識別[D];西安電子科技大學(xué);2017年

5 李曉;基于遷移學(xué)習(xí)的跨域圖像分類方法研究[D];西安電子科技大學(xué);2017年

6 胡慧君;帶鋼缺陷圖像分類中的智能算法研究[D];武漢大學(xué);2015年

7 常合友;基于字典學(xué)習(xí)的圖像分類研究[D];南京理工大學(xué);2017年

8 羅長志;多類別圖像分類的關(guān)鍵技術(shù)研究[D];合肥工業(yè)大學(xué);2017年

9 謝雯;基于判別字典學(xué)習(xí)和自編碼網(wǎng)絡(luò)的極化SAR圖像分類[D];西安電子科技大學(xué);2017年

10 張旗;基于屬性的圖像分類研究[D];大連海事大學(xué);2005年

相關(guān)碩士學(xué)位論文 前10條

1 周洋;復(fù)雜環(huán)境下圖像分類與標(biāo)注[D];湖南大學(xué);2018年

2 徐希巖;基于深度學(xué)習(xí)的小樣本圖像分類研究[D];東北林業(yè)大學(xué);2018年

3 張婉;融合深度學(xué)習(xí)的圖像分類算法研究[D];南京郵電大學(xué);2018年

4 趙勝男;一種基于眾包平臺的醫(yī)學(xué)圖像分類方法[D];哈爾濱工程大學(xué);2018年

5 柴英特;基于空間信息的極化SAR圖像分類[D];西安電子科技大學(xué);2018年

6 梁亞敏;基于統(tǒng)計(jì)分布和深度置信網(wǎng)的SAR圖像分類[D];西安電子科技大學(xué);2018年

7 李恒光;矩技術(shù)在水聲圖像分類識別中的應(yīng)用研究[D];大連理工大學(xué);2018年

8 史曉潔;SPNs結(jié)構(gòu)學(xué)習(xí)及其在圖像分類中的應(yīng)用研究[D];西安電子科技大學(xué);2018年

9 丁鑫;基于深度卷積網(wǎng)絡(luò)特征優(yōu)化的圖像分類[D];西安電子科技大學(xué);2018年

10 王潛;基于卷積神經(jīng)網(wǎng)絡(luò)的服裝分類與目標(biāo)檢測研究[D];武漢理工大學(xué);2017年

本文編號：2615740