本文關(guān)鍵詞：極化SAR圖像無監(jiān)督分類方法研究，由筆耕文化傳播整理發(fā)布。

【摘要】：極化合成孔徑雷達(dá)(極化SAR)是一種多通道的主動式雷達(dá)成像系統(tǒng)。它通過對地面發(fā)射不同種組合的極化波,然后利用天線接收目標(biāo)的極化散射回波。極化SAR圖像處理則是利用接收到的散射回波獲取目標(biāo)的極化信息來重建觀測場景,那么極化SAR圖像分類則是利用目標(biāo)的散射信息對圖像對應(yīng)的地物進(jìn)行分類。論文主要研究了極化SAR圖像分類的無監(jiān)督分類方法。在沒有地物先驗信息的情況下,僅利用獲得的數(shù)據(jù)散射信息和統(tǒng)計分布信息對圖像進(jìn)行分類,主要研究內(nèi)容為:1、分析了基于極化SAR數(shù)據(jù)二階統(tǒng)計量的Cloude-Pottier相干分解,根據(jù)分解得到的極化散射熵H、平均散射角?、各向異性度A對圖像進(jìn)行分類。引入了Wishart分類器,分析了H-?-Wishart和H-?-A-Wishart無監(jiān)督分類方法的特點。針對H-?平面分類硬劃分的缺點,對H-?平面采用了可容忍區(qū)域和不可容忍區(qū)域的劃分方法,對可容忍區(qū)域進(jìn)行H-?判定規(guī)則,對不可容忍區(qū)域應(yīng)用其它判定規(guī)則避免硬劃分帶來的缺陷。2、介紹了極化相似性參數(shù)的概念以及性質(zhì)。將極化相似性參數(shù)引入極化SAR圖像分類,分析分類效果的優(yōu)缺點。針對極化相似性參數(shù)分類的粗糙性,將極化散射熵引入了分類方法中,研究了結(jié)合極化散射熵和極化相似性參數(shù)的分類方法,提高了分類效果。3、分析了基于散射模型的極化SAR相干矩陣分解理論,詳細(xì)分析了Freeman-Durden三分量分解方法,以及這種分解方法存在的缺點。分析了引入Wishart的分類器的基于Freeman-Durden分解的保持極化散射特性的無監(jiān)督分類方法。針對Freeman-Durden三分量分解方法存在的缺點,研究了一種新的分解方法,這種分解方法結(jié)合了散射模型以及相干分解兩種方法的優(yōu)點,改進(jìn)了Freeman-Durden分解方法存在的缺點,分析表明應(yīng)用這種分解的分類方法得到的分類效果比Freeman-Durden分解方法的更好。
【關(guān)鍵詞】：極化SAR圖像 無監(jiān)督分類 Cloude-Pottier分解 極化相似性參數(shù) Freeman-Durden分解 Wishart分類器
【學(xué)位授予單位】：電子科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：TN957.52
【目錄】：

• 摘要5-6
• ABSTRACT6-10
• 第一章 緒論10-16
• 1.1 極化SAR圖像分類技術(shù)發(fā)展11-14
• 1.1.1 極化SAR圖像分類技術(shù)概述11-12
• 1.1.2 極化SAR圖像無監(jiān)督分類技術(shù)發(fā)展現(xiàn)狀12-14
• 1.2 本文主要內(nèi)容與結(jié)構(gòu)安排14-16
• 第二章 極化SAR基本理論16-28
• 2.1 矢量電磁波與極化表征16-17
• 2.2 瓊斯矢量和斯托克斯矢量17-19
• 2.3 極化后向散射Sinclāir矩陣19-22
• 2.4 目標(biāo)散射矢量k和 W22-23
• 2.5 極化相干矩陣T和極化協(xié)方差矩陣C23-24
• 2.6 標(biāo)準(zhǔn)散射機制24-27
• 2.7 本章小結(jié)27-28
• 第三章 基于Cloude-Pottier分解的分類方法28-49
• 3.1 純目標(biāo)情況28-29
• 3.2 隨機媒質(zhì)散射的概率模型29-31
• 3.3 極化散射參數(shù)ā、散射熵H及各向異性度A31-36
• 3.3.1 極化散射參數(shù)ā31-33
• 3.3.2 極化散射熵H33-34
• 3.3.3 極化散射各向異性度A34-36
• 3.4 基于H、ā、A參數(shù)的分類方法36-41
• 3.5 H- ā -Wishārt和H-ā -A-Wishārt分類方法41-44
• 3.6 改進(jìn)的H- ā 分類算法44-48
• 3.7 本章小結(jié)48-49
• 第四章 基于極化相似性參數(shù)的分類方法49-59
• 4.1 極化相似性參數(shù)49-52
• 4.2 基于極化相似性參數(shù)的無監(jiān)督分類方法52-54
• 4.3 結(jié)合極化散射熵的分類方法54-57
• 4.4 本章小結(jié)57-59
• 第五章 基于散射模型的無監(jiān)督分類方法59-73
• 5.1 Freemān-Durden三分量分解模型59-64
• 5.2 基于Freemān-Durden分解的分類方法64-67
• 5.3 一種改進(jìn)的三分量分解方法67-72
• 5.4 本章小結(jié)72-73
• 第六章 總結(jié)與展望73-75
• 6.1 總結(jié)73-74
• 6.2 展望74-75
• 致謝75-76
• 參考文獻(xiàn)76-81
• 攻讀碩士學(xué)位期間取得的成果81-82

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前1條

1 鄒同元;楊文;代登信;孫洪;;一種新的極化SAR圖像非監(jiān)督分類算法研究[J];武漢大學(xué)學(xué)報(信息科學(xué)版);2009年08期

  本文關(guān)鍵詞：極化SAR圖像無監(jiān)督分類方法研究，，由筆耕文化傳播整理發(fā)布。

本文編號：340475