近些年來,備受矚目的遙感系統(tǒng)發(fā)展得到了前所未有的突破,使得人們能夠通過更多的方法來獲得地物信息。作為獲得地物信息的一種重要的方式,極化合成孔徑雷達（Polarimetric Synthetic Aperture Radar,Pol SAR）表現(xiàn)出了比其它傳統(tǒng)方法更具備優(yōu)勢的特點。極化SAR圖像的分類是極化SAR圖像處理與解譯的一種重要方式,因此它成為了相關(guān)學(xué)者及科研人員研究的熱門。近年來,得益于人工智能的火熱,深度學(xué)習(xí)在極化SAR圖像分類上受到了相關(guān)科研人員的青睞,然而將深度學(xué)習(xí)引入極化SAR圖像分類會遇到一些問題。首先,極化SAR圖像的數(shù)據(jù)格式與光學(xué)圖像有差異。光學(xué)圖像的每個像素是用灰度值來表征,因此,灰度值可以作為原始特征直接輸入到深度學(xué)習(xí)模型中進行訓(xùn)練,但是極化SAR圖像的成像依靠的是微波傳感器,每個像素是由一個復(fù)數(shù)矩陣來表征,不能直接輸入到深度學(xué)習(xí)模型中去。其次,極化SAR圖像里分布著較多的相干斑噪聲,這些噪聲會影響深度學(xué)習(xí)模型的訓(xùn)練與分類。最后,極化SAR圖像的標記是個既耗時又費力的過程,因此可供訓(xùn)練的帶標記數(shù)據(jù)通常很少,然而對于深度學(xué)習(xí)模型來說,足夠數(shù)量的帶標記數(shù)據(jù)是必不可... 

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

【文章頁數(shù)】：76 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖1.1兩類線極化方式

西安電子科技大學(xué)碩士學(xué)位論文用的新時代。深度學(xué)習(xí)在人工智能領(lǐng)域起著舉足輕重的作用，它的發(fā)展越來越備受矚目。如今，日常生活中到處可以看到深度學(xué)習(xí)的影子，如智能推薦，語音輸入，計算機視覺，小度智能機器人等，然而，深度學(xué)習(xí)的產(chǎn)生歷史卻并不是一帆風順的，整個歷史可用圖 1.2 概括。

編碼器是深度學(xué)習(xí)模型中的一種堆疊而成的不需要知道標簽信息據(jù)壓縮表達的思想使輸入的數(shù)據(jù)降維得到一個近似于輸入的輸出值層的神經(jīng)網(wǎng)絡(luò)第三層擁有同數(shù)量的特征值個數(shù)向量。假設(shè)一個樣本可以用 h 按照如下公式解碼得到樣本特征的重構(gòu)圖 2.1 一個稀疏自編碼器的結(jié)構(gòu)編碼器是深度學(xué)習(xí)模型中的一種，通常是由幾個稀疏堆疊而成的。它的訓(xùn)練過程分為兩部分，首先是預(yù)訓(xùn)不需要知道標簽信息，每次只對一個稀疏自編碼器進據(jù)壓縮表達的思想使輸入的數(shù)據(jù)降維，變成隱層的表得到一個近似于輸入的輸出值。圖 2.1 描述了一個稀層的神經(jīng)網(wǎng)絡(luò)，第一層與第二層組成編碼器，第二層第三層擁有同數(shù)量的特征值個數(shù)，第二層的數(shù)據(jù)則是假設(shè)一個樣本可以用 x 來表征，經(jīng)過如下編碼 1 1h f W x by：通常是由幾個稀疏首先是預(yù)訓(xùn)每次只對一個稀疏自編碼器進變成隱層的表第二層第二層的數(shù)據(jù)則是經(jīng)過如下編碼

【參考文獻】：
期刊論文
[1]極化SAR圖像分類綜述[J]. 周曉光,匡綱要,萬建偉.  信號處理. 2008(05)
[2]利用SVM的全極化、雙極化與單極化SAR圖像分類性能的比較[J]. 吳永輝,計科峰,郁文賢.  遙感學(xué)報. 2008(01)



本文編號：3068130