本文關(guān)鍵詞：基于目標(biāo)分解的POLSAR圖像分類方法研究，由筆耕文化傳播整理發(fā)布。

【摘要】：極化合成孔徑雷達(dá)(POLSAR)圖像被廣泛應(yīng)用在圖像分類中。POLSAR圖像中包含著極化、紋理、顏色等多方面特征可作為圖像分類的依據(jù),不同的特征是地物目標(biāo)多方面性質(zhì)的體現(xiàn),可為分類提供不同方面的信息。針對僅利用極化特征分類精度不高的問題,提出綜合運(yùn)用極化、紋理、顏色特征可以提高POLSAR圖像的分類精度。本文分析了極化、紋理、顏色特征的提取方法,并將紋理和顏色特征與極化特征相結(jié)合用于POLSAR圖像分類,主要的研究內(nèi)容包括：(1)基于多種極化目標(biāo)分解方法得到多個極化參數(shù),組成6個包含不同極化參數(shù)的極化特征向量,用于POLSAR圖像分類,分析不同的極化特征參數(shù)對分類結(jié)果的影響。(2)由灰度圖提取紋理特征參數(shù)組成紋理特征向量,將該紋理特征向量與6個極化特征向量分別結(jié)合,構(gòu)成6個結(jié)合了紋理和極化特征參數(shù)的特征向量,用于POLSAR圖像分類,實(shí)驗(yàn)結(jié)果表明紋理特征與極化特征的結(jié)合可以提高POLSAR圖像的分類精度。(3)對灰度圖進(jìn)行偽彩色增強(qiáng)得到偽彩色增強(qiáng)圖像提取顏色直方圖參數(shù)組成顏色特征向量,將該顏色特征向量與6個極化特征向量分別結(jié)合,構(gòu)成6個結(jié)合了顏色和極化特征參數(shù)的特征向量,用于POLSAR圖像分類,實(shí)驗(yàn)結(jié)果表明顏色特征與極化特征的結(jié)合可以提高POLSAR圖像的分類精度。(4)將極化、紋理、顏色三類特征結(jié)合構(gòu)成6個特征向量,用于POLSAR圖像分類,實(shí)驗(yàn)結(jié)果表明三類特征結(jié)合使用的分類效果最優(yōu)。極化、紋理、顏色三類特征在POLSAR圖像分類中是相互促進(jìn)的整體作用的過程,紋理特征和顏色特征的加入能有效提高分類精度。
【關(guān)鍵詞】：POLSAR圖像分類 極化目標(biāo)分解 紋理特征 顏色特征 多特征組合
【學(xué)位授予單位】：遼寧工程技術(shù)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：TN957.52
【目錄】：

• 致謝4-5
• 摘要5-6
• Abstract6-10
• 1 緒論10-17
• 1.1 研究背景與意義10-11
• 1.2 POLSAR分類技術(shù)研究現(xiàn)狀11-14
• 1.3 論文的研究內(nèi)容與章節(jié)安排14-17
• 1.3.1 論文的研究內(nèi)容14-15
• 1.3.2 論文的章節(jié)安排15-17
• 2 POLSAR基本理論17-25
• 2.1 電磁波極化的表征17-21
• 2.1.1 極化橢圓17-19
• 2.1.2 Jones矢量19-20
• 2.1.3 Stokes矢量20-21
• 2.2 目標(biāo)極化散射特性的表征21-24
• 2.2.1 極化散射矩陣21-22
• 2.2.2 Stokes矩陣22
• 2.2.3 極化協(xié)方差矩陣和極化相干矩陣22-24
• 2.3 本章小結(jié)24-25
• 3 極化目標(biāo)分解理論25-41
• 3.1 相干極化目標(biāo)分解25-28
• 3.1.1 Pauli分解25-27
• 3.1.2 Krogager分解27-28
• 3.2 非相干極化目標(biāo)分解28-39
• 3.2.1 Huynen分解28-29
• 3.2.2 Freeman-Durden分解29-32
• 3.2.3 Yamaguchi分解32-35
• 3.2.4 Cloude-Pottier分解35-39
• 3.2.5 Touzi分解39
• 3.2.6 Van Zyl分解39
• 3.3 本章小結(jié)39-41
• 4 POLSAR圖像分類特征向量構(gòu)建與組合41-62
• 4.1 實(shí)驗(yàn)數(shù)據(jù)41-42
• 4.2 構(gòu)建極化特征向量42-48
• 4.2.1 測量矩陣特征參數(shù)提取42-44
• 4.2.2 Cloude-Pottier分解特征參數(shù)提取44-45
• 4.2.3 Pauli分解、krogager分解和Touzi分解特征參數(shù)提取45-46
• 4.2.4 Freeman分解、Huynen分解特征參數(shù)提取46-47
• 4.2.5 VanZyl分解、Yamaguchi分解特征參數(shù)提取47-48
• 4.2.6 構(gòu)建極化特征向量48
• 4.3 構(gòu)建紋理特征向量48-51
• 4.3.1 紋理特征參數(shù)的提取48-50
• 4.3.2 構(gòu)建紋理特征向量50-51
• 4.4 構(gòu)建顏色特征向量51-58
• 4.4.1 顏色特征的表征方法51-52
• 4.4.2 獲取偽彩色增強(qiáng)圖像52-56
• 4.4.3 顏色特征參數(shù)的提取56-58
• 4.4.4 構(gòu)建顏色特征向量58
• 4.5 極化、紋理、顏色特征向量組合58-60
• 4.6 本章小結(jié)60-62
• 5 POLSAR圖像分類實(shí)驗(yàn)與精度分析62-89
• 5.1 SVM分類器62-64
• 5.2 分類精度評價指標(biāo)64-65
• 5.3 分類實(shí)驗(yàn)結(jié)果與精度分析65-87
• 5.3.1 實(shí)驗(yàn)一 基于六個極化特征向量的分類65-69
• 5.3.2 實(shí)驗(yàn)二 基于極化與紋理結(jié)合特征向量的分類69-72
• 5.3.3 實(shí)驗(yàn)三 基于極化與顏色結(jié)合特征向量的分類72-76
• 5.3.4 實(shí)驗(yàn)四 基于極化與紋理、顏色結(jié)合特征向量的分類76-80
• 5.3.5 實(shí)驗(yàn)五 分析各地類在不同特征向量下的精度變化80-87
• 5.4 本章小結(jié)87-89
• 6 結(jié)論與展望89-91
• 6.1 結(jié)論89
• 6.2 展望89-91
• 參考文獻(xiàn)91-96
• 作者簡歷96-98
• 學(xué)位論文數(shù)據(jù)集98

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 劉利敏;余潔;王彥兵;陳蜜;朱騰;葉秋虹;;一種利用地物散射特性進(jìn)行后續(xù)類別調(diào)整的極化SAR影像分類方法[J];光譜學(xué)與光譜分析;2014年01期

2 史磊;李平湘;楊杰;趙伶俐;;機(jī)載極化SAR地物類型逐步精細(xì)分類研究[J];遙感學(xué)報;2012年06期

3 張祥;鄧喀中;范洪冬;趙慧;;基于目標(biāo)分解的極化SAR圖像SVM監(jiān)督分類[J];計(jì)算機(jī)應(yīng)用研究;2013年01期

4 劉利敏;余潔;燕琴;劉振宇;朱騰;;引入紋理特征的SSVM算法在極化SAR影像分類中的應(yīng)用[J];測繪通報;2012年08期

5 楊杰;郎豐鎧;李德仁;;一種利用Cloude-Pottier分解和極化白化濾波的全極化SAR圖像分類算法[J];武漢大學(xué)學(xué)報(信息科學(xué)版);2011年01期

6 楊然;李坤;涂志剛;陳榮元;秦前清;;基于Yamaguchi分解模型的全極化SAR圖像分類[J];計(jì)算機(jī)工程與應(yīng)用;2009年36期

7 胡召玲;李海權(quán);杜培軍;;SAR圖像紋理特征提取與分類研究[J];中國礦業(yè)大學(xué)學(xué)報;2009年03期

8 劉保利;;有效的SAR圖像多尺度分類算法[J];計(jì)算機(jī)工程與設(shè)計(jì);2008年06期

9 鄒斌;張臘梅;裴彩紅;張曄;;基于SVM的POL-SAR圖像分類研究[J];遙感技術(shù)與應(yīng)用;2007年05期

10 吳永輝;計(jì)科峰;郁文賢;;基于支持向量機(jī)的極化SAR圖像分類[J];現(xiàn)代雷達(dá);2007年06期

  本文關(guān)鍵詞：基于目標(biāo)分解的POLSAR圖像分類方法研究，，由筆耕文化傳播整理發(fā)布。

本文編號：297364