與合成孔徑雷達(dá)相比,極化合成孔徑雷達(dá)能夠獲得更加豐富的地物信息,又因?yàn)槠淇梢匀鞎r(shí)、全天候的對地進(jìn)行勘探,所以基于全極化SAR數(shù)據(jù)的圖像處理技術(shù)得到了快速發(fā)展與應(yīng)用,極化SAR圖像分類就是重要的應(yīng)用之一。本文在國家自然科學(xué)基金面上項(xiàng)目（基于協(xié)同半監(jiān)督學(xué)習(xí)和稀疏表示的極化SAR地物分類,61173092）,國家自然科學(xué)基金面上項(xiàng)目（基于生成式對抗網(wǎng)絡(luò)的極化SAR地物分類,61771379）等項(xiàng)目的支持下,結(jié)合極化特征和近鄰傳播聚類算法,提出了三種改進(jìn)的極化SAR圖像無監(jiān)督分類方法,內(nèi)容如下:1.定義了一種極化比特征。通過分析散射矩陣的三個(gè)極化通道,發(fā)現(xiàn)不同通道所攜帶的信息內(nèi)容和信息量都不相同,針對這一現(xiàn)象,本文定義了一種極化比特征,并將該特征與散射總功率和散射功率熵相結(jié)合,完成極化SAR圖像的初始分類,然后在初始分類的基礎(chǔ)上利用層次聚類算法對數(shù)據(jù)進(jìn)行聚類,進(jìn)一步改善了圖像的分類效果。2.提出了一種基于距離信息和密度信息融合的近鄰傳播聚類算法。傳統(tǒng)的近鄰傳播聚類算法在計(jì)算樣本點(diǎn)之間的相似度時(shí)只考慮了數(shù)據(jù)的距離信息,忽略了數(shù)據(jù)間的密度信息對相似度度量的影響。針對這一問題,本文將數(shù)據(jù)中包含的距... 

【文章頁數(shù)】：87 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
符號對照表
縮略語對照表
第一章 緒論
    1.1 研究背景
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 論文內(nèi)容與安排
第二章 極化SAR理論基礎(chǔ)知識(shí)
    2.1 電磁波的極化及其表征形式
    2.2 極化數(shù)據(jù)的表示形式
        2.2.1 極化散射矩陣
        2.2.2 Muller矩陣
        2.2.3 Kennaugh矩陣
        2.2.4 相干矩陣與協(xié)方差矩陣
    2.3 極化目標(biāo)分解
        2.3.1 相干目標(biāo)分解
        2.3.2 非相干目標(biāo)分解
    2.4 本章小結(jié)
第三章 基于極化比特征的極化SAR圖像分類
    3.1 引言
    3.2 極化比特征
    3.3 類別合并算法
    3.4 基于極化比特征的極化SAR圖像分類
    3.5 實(shí)驗(yàn)結(jié)果與分析
        3.5.1 極化比特征的驗(yàn)證實(shí)驗(yàn)以及結(jié)果分析
        3.5.2 本章方法的實(shí)驗(yàn)結(jié)果及分析
    3.6 本章小結(jié)
第四章 基于距離信息和密度信息融合的近鄰傳播聚類算法
    4.1 引言
    4.2 基于AP算法的極化SAR圖像分類
        4.2.1 近鄰傳播聚類算法
        4.2.2 基于Wishart距離的AP算法
        4.2.3 基于Markov先驗(yàn)?zāi)Ｐ偷南嗨贫染仃?br>    4.3 基于距離信息和密度信息融合的近鄰傳播聚類算法
        4.3.1 初始分類
        4.3.2 相似度矩陣的構(gòu)造
        4.3.3 本章方法的實(shí)現(xiàn)
    4.4 實(shí)驗(yàn)結(jié)果與分析
    4.5 本章小結(jié)
第五章 基于改進(jìn)偏向參數(shù)的近鄰傳播聚類算法
    5.1 引言
    5.2 近鄰傳播聚類算法中的相關(guān)參數(shù)
    5.3 基于改進(jìn)偏向參數(shù)的近鄰傳播聚類算法
        5.3.1 偏向參數(shù)的改進(jìn)
        5.3.2 本章方法的實(shí)現(xiàn)
    5.4 實(shí)驗(yàn)結(jié)果與分析
    5.5 本章小結(jié)
第六章 總結(jié)與展望
    6.1 本文的創(chuàng)新之處
    6.2 進(jìn)一步研究的方向
參考文獻(xiàn)
致謝
作者簡介


【參考文獻(xiàn)】：
期刊論文
[1]基于自然鄰的自適應(yīng)譜聚類算法[J]. 朱慶生,付飄飄,張程.  計(jì)算機(jī)技術(shù)與發(fā)展. 2017(11)
[2]基于DBN模型的遙感圖像分類[J]. 呂啟,竇勇,牛新,徐佳慶,夏飛.  計(jì)算機(jī)研究與發(fā)展. 2014(09)
[3]采用自適應(yīng)鄰域馬爾可夫場的極化SAR圖像分割[J]. 張濤,胡風(fēng)明,楊汝良.  測試技術(shù)學(xué)報(bào). 2009(05)
[4]一種新的極化SAR圖像非監(jiān)督分類算法研究[J]. 鄒同元,楊文,代登信,孫洪.  武漢大學(xué)學(xué)報(bào)(信息科學(xué)版). 2009(08)

博士論文
[1]多極化合成孔徑雷達(dá)系統(tǒng)與極化信息處理研究[D]. 戴博偉.中國科學(xué)院電子學(xué)研究所 2000

碩士論文
[1]基于K-wishart分布的極化SAR圖像分類研究[D]. 李崇謙.西安電子科技大學(xué) 2013
[2]基于深度學(xué)習(xí)的極化SAR分類研究[D]. 郭巖河.西安電子科技大學(xué) 2015
[3]面向小樣本問題的極化SAR地物分類[D]. 張妍妍.西安電子科技大學(xué) 2017



本文編號：3723986