極化合成孔徑雷達(dá)(Synthetic Aperture Radar,SAR)影像變化檢測(cè)指的是,對(duì)兩幅同地區(qū)不同時(shí)間獲取的極化SAR影像進(jìn)行變化區(qū)域的檢測(cè)。由于極化SAR影像在軍事,農(nóng)業(yè),城市規(guī)劃等各個(gè)領(lǐng)域的廣泛應(yīng)用,使得極化SAR影像的研究具有重要的現(xiàn)實(shí)意義。傳統(tǒng)的極化SAR影像變化檢測(cè)方法通常以像素級(jí)檢測(cè)為基礎(chǔ),易造成變化檢測(cè)結(jié)果精度不高的問(wèn)題。本文利用了像素鄰域間的空間信息和尺度信息,結(jié)合深度學(xué)習(xí)自動(dòng)提取特征的優(yōu)勢(shì),實(shí)現(xiàn)最終的變化檢測(cè)。本文的主要工作如下:1.提出一種基于散射特征和有監(jiān)督深度置信網(wǎng)絡(luò)(Supervised Deep Belief Network,SDBN)的極化SAR影像變化檢測(cè)方法。該方法首先使用兩幅極化SAR影像之間的Wishart距離進(jìn)行聚類(lèi),得到初始變化檢測(cè)結(jié)果,接著根據(jù)初始變化檢測(cè)結(jié)果選取有標(biāo)記的訓(xùn)練樣本,最后通過(guò)有標(biāo)記的訓(xùn)練樣本訓(xùn)練SDBN網(wǎng)絡(luò),得到最終的變化檢測(cè)結(jié)果。該方法利用極化SAR影像數(shù)據(jù)服從復(fù)Wishart分布的特性,提高初始變化檢測(cè)精度,使得訓(xùn)練樣本的選取更加合理和有效。同時(shí),初始變化檢測(cè)圖的獲取省去了人工標(biāo)記的過(guò)程,而SDBN的優(yōu)勢(shì)是在D...

【文章頁(yè)數(shù)】：117 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
符號(hào)對(duì)照表
縮略語(yǔ)對(duì)照表
第一章 緒論
    1.1 研究背景與意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 極化SAR影像變化檢測(cè)的研究現(xiàn)狀及問(wèn)題
        1.2.2 深度學(xué)習(xí)的發(fā)展現(xiàn)狀
    1.3 極化SAR影像理論基礎(chǔ)
        1.3.1 電磁波與極化
        1.3.2 極化數(shù)據(jù)表示
        1.3.3 極化目標(biāo)分解
    1.4 極化SAR影像變化檢測(cè)流程
    1.5 本論文的主要研究?jī)?nèi)容和安排
第二章 基于散射特征和SDBN的極化SAR影像變化檢測(cè)
    2.1 引言
    2.2 初始變化檢測(cè)
        2.2.1 散射特征
        2.2.2 高斯混合聚類(lèi)
    2.3 DBN網(wǎng)絡(luò)
        2.3.1 受限玻爾茲曼機(jī)
        2.3.2 訓(xùn)練RBM
    2.4 SDBN網(wǎng)絡(luò)
        2.4.1 有監(jiān)督RBM
        2.4.2 有監(jiān)督DBN模型
    2.5 基于散射特征和SDBN的極化SAR影像變化檢測(cè)
    2.6 實(shí)驗(yàn)結(jié)果與分析
        2.6.1 實(shí)驗(yàn)數(shù)據(jù)
        2.6.2 實(shí)驗(yàn)評(píng)價(jià)標(biāo)準(zhǔn)
        2.6.3 參數(shù)與實(shí)驗(yàn)設(shè)置
        2.6.4 實(shí)驗(yàn)結(jié)果分析
    2.7 本章小結(jié)
第三章 基于NSCT_SDBN模型的極化SAR影像變化檢測(cè)
    3.1 引言
    3.2 非下采樣輪廓波變換
    3.3 NSCT_SDBN模型
        3.3.1 NSCT_SDBN網(wǎng)絡(luò)
        3.3.2 NSCT層
    3.4 基于NSCT_SDBN模型的極化SAR影像變化檢測(cè)
    3.5 實(shí)驗(yàn)結(jié)果與分析
        3.5.1 實(shí)驗(yàn)數(shù)據(jù)
        3.5.2 實(shí)驗(yàn)設(shè)置
        3.5.3 實(shí)驗(yàn)結(jié)果分析
    3.6 本章小結(jié)
第四章 基于選擇性集成NSCT_SDBN網(wǎng)絡(luò)的極化SAR影像變化檢測(cè)
    4.1 引言
    4.2 集成學(xué)習(xí)方法
        4.2.1 集成學(xué)習(xí)相關(guān)理論
        4.2.2 自助采樣法
        4.2.3 選擇性機(jī)制
        4.2.4 Bagging訓(xùn)練方法
    4.3 基于選擇性集成NSCT_SDBN網(wǎng)絡(luò)的極化SAR影像變化檢測(cè)
    4.4 實(shí)驗(yàn)結(jié)果與分析
        4.4.1 實(shí)驗(yàn)數(shù)據(jù)
        4.4.2 參數(shù)與實(shí)驗(yàn)設(shè)置
        4.4.3 實(shí)驗(yàn)結(jié)果分析
    4.5 本章小結(jié)
第五章 總結(jié)與展望
    5.1 總結(jié)
    5.2 展望
參考文獻(xiàn)
致謝
作者簡(jiǎn)介



本文編號(hào)：3809363