本文關鍵詞：SAR圖像自動分類器構造與算法的研究，由筆耕文化傳播整理發(fā)布。

【摘要】：SAR(Synthetic Aperture Radar,合成孔徑雷達)是一種主動式微波成像雷達,在成像雷達中起到十分重要的作用,在科學探索、國家安全和經(jīng)濟生產(chǎn)等諸多領域已被廣泛應用。目前,SAR圖像處理的研究領域主要包括圖像斑點噪聲抑制、邊緣檢測、特征提取和圖像分類等,其中圖像分類是SAR圖像地面場景識別和解譯的重要研究內(nèi)容。本文對SAR圖像分類進行深入的研究,主要研究內(nèi)容如下所述:1.SAR圖像由于受到相干斑點噪聲的影響,使得其高精度的分類算法研究受到極大的挑戰(zhàn)。為了提高SAR圖像分類的性能,根據(jù)SAR圖像的成像機理和統(tǒng)計特性,通過灰度共生矩陣特征的提取,結合糾錯編碼,構造了一種SAR圖像分類的Ada Boost改進算法。并通過實驗驗證了該算法得到較好的分類結果,分類精度也得到了顯著的提高。2.針對基于Ada Boost的SAR圖像分類算法出現(xiàn)穩(wěn)定性差和過度訓練的問題,本文采用隨機決策樹函數(shù)為基本分類器,并應用再抽樣Boot Strap方法來提升算法的穩(wěn)定性和精度,以防止過度訓練。隨機將數(shù)據(jù)集拆分為兩個子集:一個用于訓練,一個用于驗證。通過再抽樣和訓練驗證步驟的反復迭代,以分類器多數(shù)投票的方式得到兩類分類器,隨后在結合糾錯編碼的基礎上,構造最終的多類分類器。該方法能夠估計用于分類的變量相關性,并采取相關措施來估計用于隨機組合的變量的先驗概率。同SVM、人工神經(jīng)網(wǎng)絡以及其他眾所周知的分類方法相比,本文方法有明顯的優(yōu)勢。
【關鍵詞】：SAR圖像 分類 AdaBoost 糾錯編碼 BootStrap
【學位授予單位】：天津理工大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：TN957.52
【目錄】：

• 中文摘要5-6
• abstract6-9
• 第一章 緒論9-15
• 1.1 研究意義9-10
• 1.2 國內(nèi)外研究現(xiàn)狀10-13
• 1.2.1 SAR圖像特征提取10-11
• 1.2.2 SAR圖像分類11-13
• 1.3 本文的主要研究內(nèi)容13
• 1.4 本文的結構安排13-15
• 第二章 基礎知識15-21
• 2.1 SAR的成像原理15-17
• 2.2 SAR圖像的統(tǒng)計性質(zhì)17-18
• 2.2.1 基于相干斑的先驗假設統(tǒng)計模型17-18
• 2.2.2 基于實驗數(shù)據(jù)的經(jīng)驗分布模型18
• 2.3 SAR圖像的基本特性18-19
• 2.4 本章小結19-21
• 第三章 基于改進的AdaBoost的SAR圖像分類方法21-32
• 3.1 AdaBoost算法21-23
• 3.1.1 AdaBoost算法的基本原理21-22
• 3.1.2 傳統(tǒng)AdaBoost算法22-23
• 3.2 非平衡AdaBoost算法分析23-24
• 3.2.1 樣本權重與抽樣訓練的關系與問題23-24
• 3.2.2 不同分類器對分類器集正樣本識別能力的影響24
• 3.2.3 非平衡AdaBoost算法分析24
• 3.3 改進的AdaBoost分類器構造24-29
• 3.3.1 灰度共生矩陣（GLCM）的特征提取25-27
• 3.3.2 改進的AdaBoost分類器構造27-29
• 3.4 實驗結果與分析29-30
• 3.5 本章小結30-32
• 第四章 基于BootStrap的AdaBoost的SAR圖像分類方法32-43
• 4.1 基于隨機決策樹的AdaBoost算法32-34
• 4.2 基于BootStrap的AdaBoost算法34-35
• 4.3 分類變量的評估35-36
• 4.3.1 變量相關性35-36
• 4.3.2 生成基于變量隨機選擇的隨機樹36
• 4.4 基于糾錯編碼的多類分類問題36-37
• 4.4.1 自適應哈達瑪矩陣編碼方法37
• 4.5 分類精度的評價37-38
• 4.6 實驗結果與分析38-42
• 4.6.1 本章算法的實驗結果與分析38-40
• 4.6.2 同第三章提出算法的對比分析40-42
• 4.7 本章小結42-43
• 第五章 總結與展望43-45
• 5.1 本文工作總結43
• 5.2 本文創(chuàng)新點43-44
• 5.3 工作展望44-45
• 參考文獻45-49
• 發(fā)表論文和科研情況說明49-50
• 致謝50-51

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前4條

1 龍海翔;高鑫;;基于紋理和邊緣的SAR圖像SVM分類[J];計算機應用研究;2011年09期

2 王爽;段紅;黃友銳;;基于改進的活動輪廓模型在圖像分割中的應用[J];微計算機信息;2008年01期

3 李飛雪,李滿春,趙書河;基于人工神經(jīng)網(wǎng)絡與決策樹相結合模型的遙感圖像自動分類研究[J];遙感信息;2003年03期

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

中國博士學位論文全文數(shù)據(jù)庫 前1條

1 蘭遠東;基于圖的半監(jiān)督學習理論、算法及應用研究[D];華南理工大學;2012年

  本文關鍵詞：SAR圖像自動分類器構造與算法的研究，，由筆耕文化傳播整理發(fā)布。

本文編號：323436