發(fā)布時間：2017-04-25 10:24

  本文關(guān)鍵詞：基于稀疏表示分類器的極化SAR圖像地物分類，由筆耕文化傳播整理發(fā)布。

【摘要】：極化合成孔徑雷達(Polarimetric Synthetic Aperture Radar,簡稱極化SAR)拓寬了合成孔徑雷達(Synthetic Aperture Radar, SAR)的應(yīng)用。目前極化SAR圖像分類方法已成為遙感技術(shù)的重要組成部分,并成為一個熱門的研究課題。相比傳統(tǒng)的SAR圖像其獲取了HH,HV,VH,VV散射回波信息,從而可以獲得更詳細的地物信息,有了這些新功能的加入,就可以提高極化SAR圖像的分類精確度。本文的主要內(nèi)容是對極化SAR圖像地物分類的研究。分類是圖像解譯技術(shù)的重要組成部分,它在地形制圖,冰川識別,植被群落區(qū)分等方面發(fā)揮著重要的作用。本文首先將重點放在極化SAR的特征提取上,然后結(jié)合幾種分類器對圖像進行分類,主要包括以下兩方面的內(nèi)容：1.給出了一種基于棧式自編碼器(SAE)和支持矢量機(SVM)的極化SAR圖像地物分類。這個方法能夠充分挖掘出極化SAR的特征信息,首先提取出極化SAR的偏振特征以及散射特征,把這兩種特性進行融合得到極化SAR的初級特征值,將這些初級特征加入棧式自編碼網(wǎng)絡(luò)進行學習,學習出更加高級的特征,最后結(jié)合SVM以及Softmax進行最后的分類比較,實驗驗證了此方法的有效性。2.給出了一種基于散射偏振特征和稀疏表示分類器(SRC)的極化SAR圖像分類方法。該方法是通過Cloude分解、Freeman分解等提取出極化SAR的有效信息,最后輸入到SRC中進行分類,實驗結(jié)果表明該方法具有較高的分類準確率,并且具有很強的抗噪能力。
【關(guān)鍵詞】：極化SAR 偏振特征 散射特征 棧式自編碼器 稀疏表示分類器
【學位授予單位】：西安電子科技大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：TN957.52
【目錄】：

• 摘要5-6
• ABSTRACT6-9
• 符號對照表9-10
• 縮略語對照表10-13
• 第一章 緒論13-17
• 1.1 研究背景與意義13-14
• 1.2 極化SAR數(shù)據(jù)研究現(xiàn)狀14-16
• 1.3 論文內(nèi)容與安排16-17
• 第二章 極化SAR理論基礎(chǔ)17-27
• 2.1 電磁波極化的表征17-19
• 2.1.1 Jones向量18
• 2.1.2 Stokes矢量18-19
• 2.1.3 Poincare球19
• 2.2 極化散射機理分析19-24
• 2.2.1 極化散射矩陣19-20
• 2.2.2 Muller矩陣20
• 2.2.3 Kennaugh矩陣20-21
• 2.2.4 極化C矩陣和T矩陣21-22
• 2.2.5 幾種基本散射機制22-24
• 2.3 極化目標分解24-26
• 2.4 極化SAR的數(shù)據(jù)統(tǒng)計模型26
• 2.5 本章小結(jié)26-27
• 第三章 基于棧式自編碼器的極化SAR分類27-43
• 3.1 極化SAR散射特征的提取27-29
• 3.1.1 基于Freeman分解提取散射特征27-28
• 3.1.2 基于Pauli分解提取散射特征28
• 3.1.3 基于Cloude分解提取散射特征28-29
• 3.1.4 其他分解方法提取散射特征29
• 3.1.5 提取偏振特征29
• 3.2 基于棧式自編碼器的極化SAR分類29-34
• 3.2.1 棧式自編碼算法29-31
• 3.2.2 Softmax分類算法31-32
• 3.2.3 SVM(支持矢量機)分類算法32-34
• 3.3 實驗結(jié)果及分析34-41
• 3.3.1 Flevoland地區(qū)的實驗結(jié)果35-37
• 3.3.2 德國地區(qū)實驗結(jié)果37-38
• 3.3.3 San Francisco Bay 舊金山港灣地區(qū)38-41
• 3.4 本章小結(jié)41-43
• 第四章 稀疏表示分類器43-49
• 4.1 稀疏表示分類器43-44
• 4.2 實驗結(jié)果與分析44-48
• 4.2.1 Flevoland荷蘭農(nóng)田全圖44-47
• 4.2.2 Flevoland荷蘭農(nóng)田小圖47-48
• 4.3 本章小結(jié)48-49
• 第五章 總結(jié)與展望49-53
• 5.1 工作總結(jié)49-50
• 5.2 極化SAR地物圖像中主要問題50-51
• 5.3 進一步研究方向51-53
• 參考文獻53-57
• 致謝57-59
• 作者簡介59

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 李映;張艷寧;許星;;基于信號稀疏表示的形態(tài)成分分析:進展和展望[J];電子學報;2009年01期

2 趙瑞珍;王飛;羅阿理;張彥霞;;基于稀疏表示的譜線自動提取方法[J];光譜學與光譜分析;2009年07期

3 楊蜀秦;寧紀鋒;何東健;;基于稀疏表示的大米品種識別[J];農(nóng)業(yè)工程學報;2011年03期

4 史加榮;楊威;魏宗田;;基于非負稀疏表示的人臉識別[J];計算機工程與設(shè)計;2012年05期

5 高志榮;熊承義;笪邦友;;改進的基于殘差加權(quán)的稀疏表示人臉識別[J];中南民族大學學報(自然科學版);2012年03期

6 朱杰;楊萬扣;唐振民;;基于字典學習的核稀疏表示人臉識別方法[J];模式識別與人工智能;2012年05期

7 耿耀君;張軍英;袁細國;;一種基于稀疏表示系數(shù)的特征相關(guān)性測度[J];模式識別與人工智能;2013年01期

8 張疆勤;廖海斌;李原;;基于因子分析與稀疏表示的多姿態(tài)人臉識別[J];計算機工程與應(yīng)用;2013年05期

9 李正周;王會改;劉梅;丁浩;金鋼;;基于形態(tài)成分稀疏表示的紅外小弱目標檢測[J];彈箭與制導(dǎo)學報;2013年04期

10 胡正平;趙淑歡;李靜;;基于塊稀疏遞推殘差分析的稀疏表示遮擋魯棒識別算法研究[J];模式識別與人工智能;2014年01期

中國重要會議論文全文數(shù)據(jù)庫 前3條

1 何愛香;劉玉春;魏廣芬;;基于稀疏表示的煤矸界面識別研究[A];虛擬運營與云計算——第十八屆全國青年通信學術(shù)年會論文集（上冊）[C];2013年

2 樊亞翔;孫浩;周石琳;鄒煥新;;基于元樣本稀疏表示的多視角目標識別[A];2013年中國智能自動化學術(shù)會議論文集（第五分冊）[C];2013年

3 葛鳳翔;任歲玲;郭鑫;郭良浩;孫波;;微弱信號處理及其研究進展[A];中國聲學學會水聲學分會2013年全國水聲學學術(shù)會議論文集[C];2013年

中國博士學位論文全文數(shù)據(jù)庫 前10條

1 李進明;基于稀疏表示的圖像超分辨率重建方法研究[D];重慶大學;2015年

2 王亞寧;基于信號稀疏表示的電機故障診斷研究[D];河北工業(yè)大學;2014年

3 姚明海;視頻異常事件檢測與認證方法研究[D];東北師范大學;2015年

4 黃國華;蛋白質(zhì)翻譯后修飾位點與藥物適應(yīng)癥預(yù)測方法研究[D];上海大學;2015年

5 王瑾;基于稀疏表示的數(shù)據(jù)收集、復(fù)原與壓縮研究[D];北京工業(yè)大學;2015年

6 王文卿;基于融合框架與稀疏表示的遙感影像銳化[D];西安電子科技大學;2015年

7 解虎;高維小樣本陣列自適應(yīng)信號處理方法研究[D];西安電子科技大學;2015年

8 秦振濤;基于稀疏表示及字典學習遙感圖像處理關(guān)鍵技術(shù)研究[D];成都理工大學;2015年

9 薛明;基于稀疏表示的在線目標跟蹤研究[D];上海交通大學;2014年

10 孫樂;空譜聯(lián)合先驗的高光譜圖像解混與分類方法[D];南京理工大學;2014年

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 吳麗璇;基于稀疏表示的微聚焦X射線圖像去噪方法[D];華南理工大學;2015年

2 趙孝磊;基于圖像分塊稀疏表示的人臉識別算法研究[D];南京信息工程大學;2015年

3 黃志明;基于辨別式稀疏字典學習的視覺追蹤算法研究[D];華南理工大學;2015年

4 張鈴華;非約束環(huán)境下的稀疏表示人臉識別算法研究[D];南京信息工程大學;2015年

5 賀妍斐;基于稀疏表示與自適應(yīng)倒易晶胞的遙感圖像復(fù)原方法研究[D];南京信息工程大學;2015年

6 楊爍;電能質(zhì)量擾動信號的稀疏表示/壓縮采樣研究[D];西南交通大學;2015年

7 應(yīng)艷麗;基于低秩稀疏表示的目標跟蹤算法研究[D];西南交通大學;2015年

8 梁曉捷;基于網(wǎng)絡(luò)攝像頭與稀疏表示分類法的實時人臉識別系統(tǒng)應(yīng)用研究[D];五邑大學;2015年

9 張宏樂;語音信號稀疏表示方法研究[D];太原理工大學;2016年

10 郭欣;基于K-SVD稀疏表示的語音增強算法研究[D];太原理工大學;2016年

  本文關(guān)鍵詞：基于稀疏表示分類器的極化SAR圖像地物分類，由筆耕文化傳播整理發(fā)布。

，

本文編號：326150