合成孔徑雷達(dá)作為一種重要的遙感對(duì)地觀測(cè)方式,同時(shí)具備了成像不受光照和氣候條件影響的優(yōu)點(diǎn)。隨著SAR成像技術(shù)的發(fā)展,空間分辨率不斷提高,給SAR圖像語(yǔ)義分割任務(wù)帶來(lái)挑戰(zhàn),使得適用于中低分辨率SAR圖像分割與分類的算法難以滿足高分辨率SAR圖像處理的應(yīng)用需求。本文針對(duì)上述問(wèn)題,在總結(jié)現(xiàn)有方法的基礎(chǔ)上,提出了一種適用于高分辨率SAR圖像的分割與分類方法。論文的主要工作和貢獻(xiàn)包括以下幾個(gè)方面:1.本文采用全卷積網(wǎng)絡(luò)-條件隨機(jī)場(chǎng)模型來(lái)實(shí)現(xiàn)高分辨SAR圖像語(yǔ)義分割任務(wù)。高分辨SAR圖像語(yǔ)義分割的任務(wù)是在已知少量數(shù)據(jù)類標(biāo)的前提下,賦予圖像中的像素點(diǎn)一個(gè)語(yǔ)義類別標(biāo)簽,鑒于高分辨SAR圖像信息量大,背景復(fù)雜的特點(diǎn),該模型將全卷積網(wǎng)絡(luò)和條件隨機(jī)場(chǎng)融合成一個(gè)端到端的神經(jīng)網(wǎng)絡(luò)復(fù)合模型,提取了多種淺層和深層特征:全卷積網(wǎng)絡(luò)利用反卷積對(duì)每個(gè)像素產(chǎn)生一個(gè)預(yù)測(cè),將任務(wù)提升到語(yǔ)義層次,條件隨機(jī)場(chǎng)提取了像素的特征信息,進(jìn)一步利用其鄰域關(guān)系來(lái)獲取空間鄰域信息,能夠?qū)崿F(xiàn)較好的特征擬合效果。經(jīng)試驗(yàn)證明,該方法選取5%的有類標(biāo)樣本數(shù)據(jù)進(jìn)行訓(xùn)練,完成了基于高層語(yǔ)義信息的SAR圖像語(yǔ)義分割任務(wù),且分割準(zhǔn)確率均高于其他對(duì)比算法。2.在... 

【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)】：122 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

Traustein數(shù)據(jù)集

Napoli1數(shù)據(jù)集

Napoli2數(shù)據(jù)集

【參考文獻(xiàn)】：
期刊論文
[1]環(huán)境一號(hào)C衛(wèi)星SAR圖像典型環(huán)境遙感應(yīng)用初探[J]. 田維,徐旭,卞小林,柴勛,王世昂,宮華澤,熊文成,邵蕓.  雷達(dá)學(xué)報(bào). 2014(03)
[2]一種基于馬爾可夫隨機(jī)場(chǎng)的SAR圖像分割新方法[J]. 侯一民,郭雷.  電子與信息學(xué)報(bào). 2007(05)

碩士論文
[1]SAR圖像特征提取與分類方法的研究[D]. 郁錦錦.天津理工大學(xué) 2014
[2]SAR圖像變化檢測(cè)技術(shù)研究[D]. 張輝.電子科技大學(xué) 2008



本文編號(hào)：3395102