相比普通合成孔徑雷達(dá)（SAR）圖像,具有全天候運(yùn)作能力的極化SAR系統(tǒng)能夠同時(shí)發(fā)射和接受不同極化方向的電磁波能量,使得數(shù)據(jù)具有更加豐富的目標(biāo)散射信息。然而對(duì)于復(fù)雜的極化SAR數(shù)據(jù),普通的圖像分類方法很難處理復(fù)數(shù)矩陣格式,并且傳統(tǒng)的極化SAR圖像分類方法只是關(guān)注極化SAR數(shù)據(jù)的散射特征或者數(shù)據(jù)統(tǒng)計(jì)特征。為了能夠提取極化SRA圖像中的整體圖像特征信息,提高分類準(zhǔn)確率和結(jié)果一致性。本文主要結(jié)合了極化SAR圖像分類的傳統(tǒng)方法和深度學(xué)習(xí)模型進(jìn)行了研究。主要工作概括如下:（1）提出了一種基于散射能量特征的堆棧自編碼極化SAR圖像分類算法。該方法中,使用極化方位角補(bǔ)償對(duì)極化SAR中的相干矩陣進(jìn)行補(bǔ)償,然后使用極化SAR中的Freeman-Durden分解方法提取極化SAR像素的散射能量特征,為提取極化SAR圖像的圖像空間特征,算法使用以像素點(diǎn)為中心的像素塊作為堆棧自編碼的輸入,使用堆棧自編碼網(wǎng)絡(luò)作為分類算法進(jìn)行分類。該方法使用散射能量作為極化SAR像素點(diǎn)特征,降低了數(shù)據(jù)復(fù)雜度,并使用像素塊作為輸入融合極化SAR圖像的圖像特征,使用深度學(xué)習(xí)模型中的堆棧自編碼網(wǎng)絡(luò)進(jìn)行分類,實(shí)驗(yàn)結(jié)果表明,本章提出的算法,... 

【文章來(lái)源】：西安電子科技大學(xué)陜西省 211工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：93 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

方位角補(bǔ)償對(duì)100樣本的T,，元素的影響

方位角補(bǔ)償后，一些像素的乃２增大，由第一章中公式（２／２，所以方位角補(bǔ)償后，ｒ２２＝４ｃｏｓ０ｓｉｎ６＾ｉ＿ｉｖ，乃２大小與交叉化。???．?????．?．——■?■—?????ｏｒｉｇｉｎａｌ??丨級(jí)／Ｍ．??Ｏ?１０?２０?：？＞?４０?５０?ｔ＞０?７０?ＳＯ?￡＞０?１００??Ｐｉｘｅｌ?Ｃｏｕｎｔ??圖２．?３方位角補(bǔ)償對(duì)１００樣本的Ｔ３３元素的影響??３中這些像素的ｒ３３減小。這是因?yàn)榉轿唤菧p少了相干矩陣中２，ｒ３３中降低的能量等于ｒ２２中增加的能量［４５〗。因此，方位

西安電子科技大學(xué)碩士學(xué)位論文??Ｘ?１０￣３??????｜???????１?，???Ｔ?Ｔ２２?來(lái)??ｏｒｉｇｉｎａｌ??｜＇??來(lái)?Ｃ３Ａｃｏｒｒ＾＞ｅｎｔ?＂??ｌＭｉｆＷ＇??°ｓ?ｗ／?＾??Ｏ??????＇?１?＊?■?１?＊?１???〇?１０?２０?３０?４－０?５０?６０?７０?ｅｏ?９０?１Ｏ０??Ｐｉｘｅｌ?Ｃｏｕｎｔ??圖２．?２方位角補(bǔ)償對(duì)１００樣本的Ｔ２２元素的影響??２中，方位角補(bǔ)償后，一些像素的乃２增大，由第一章中公２／２，所以方位角補(bǔ)償后，ｒ２２＝４ｃｏｓ０ｓｉｎ６＾ｉ＿ｉｖ，乃２大小與交化。???．?????．?．——■?■—??

【參考文獻(xiàn)】：
博士論文
[1]基于集成學(xué)習(xí)和特征選擇的極化SAR地物分類[D]. 陳博.西安電子科技大學(xué) 2015



本文編號(hào)：3058148