本文關(guān)鍵詞：基于案例匹配的高分辨率SAR圖像目標(biāo)檢測，由筆耕文化傳播整理發(fā)布。

【摘要】：合成孔徑雷達(dá)(SAR)具有全天時(shí)全天候工作,不受大氣干擾等諸多優(yōu)勢,已經(jīng)在軍事和民用上具有廣泛的應(yīng)用圖像中,并且其分辨率隨著成像技術(shù)的發(fā)展不斷提升,高分辨率SAR圖像由于具有更加細(xì)節(jié)的地物信息已經(jīng)逐漸成為發(fā)展的重點(diǎn)。但其目標(biāo)特性相比低分辨圖像有著空間聚集度、亮度均衡性、結(jié)構(gòu)復(fù)雜度等多方面的差異,使得傳統(tǒng)的特征基于特征值加權(quán)分類的目標(biāo)檢測識別方法識別精度很低,新的目標(biāo)檢測識別方法的需求日益迫切。伴隨著人工智能技術(shù)的發(fā)展,基于案例匹配方法已經(jīng)逐漸被廣泛應(yīng)用在各個領(lǐng)域,案例匹配推理系統(tǒng)是一種模擬人類認(rèn)知事物方式的人工智能系統(tǒng),即用已有的先驗(yàn)知識對未知的實(shí)物進(jìn)行歸類理解。本文為了克服高分辨率SAR圖像中目標(biāo)特征的模糊性給解譯過程帶來的影響,提出了一種將案例匹配系統(tǒng)應(yīng)用到SAR圖像解譯的方法,針對SAR圖像中的典型地物目標(biāo)(樹木、建筑、車輛)建立案例庫,并采用決策樹分類的算法,將未知類別的目標(biāo)與案例庫中的案例對比決策,得出案例匹配的結(jié)果,該案例的類別即為未知地物目標(biāo)的類別。本論文的行文安排如下:第一章主要介紹高分辨率SAR圖像解譯工作的國內(nèi)外發(fā)展現(xiàn)狀,并針對解譯流程中的各個階段進(jìn)行簡單介紹,并給出本文所研究的主要內(nèi)容以及各個部分的內(nèi)容安排。第二章介紹了一些相關(guān)的技術(shù)原理以及高分辨率SAR地物目標(biāo)的特征提取。首先,介紹了案例匹配系統(tǒng)以及決策樹模型的應(yīng)用原理,然后在特征提取部分,針對應(yīng)用最廣泛的幾類地物特征進(jìn)行相應(yīng)的提取方法介紹,其中包括幾何特征、陰影特征以及紋理特征。第三章詳細(xì)地介紹了案例匹配系統(tǒng)的應(yīng)用過程,包含兩個方面:第一是案例的獲取過程以及案例庫建立,包括圖像預(yù)處理及案例分割以及案例庫建立準(zhǔn)則,然后重點(diǎn)介紹了案例匹配環(huán)節(jié),在該過程中,提出了基于最近鄰的案例匹配算法以及基于決策樹的案例匹配算法,在基于決策樹模型的案例匹配過程中,首先根據(jù)決策樹模型的要求,重新定義了案例庫的數(shù)據(jù)結(jié)構(gòu),根據(jù)新的數(shù)據(jù)結(jié)構(gòu)重排案例的特征,然后根據(jù)案例庫訓(xùn)練過程求解決策樹相應(yīng)參數(shù),最終在案例匹配過程介紹了具體的匹配流程。第四章介紹了本文提出方法的實(shí)驗(yàn)結(jié)果,首先針對典型目標(biāo)的特性進(jìn)行了特征提取實(shí)驗(yàn),分析了特征提取的效果;然后進(jìn)行了案例獲取部分的實(shí)驗(yàn),包括濾波實(shí)驗(yàn),方位向矯正實(shí)驗(yàn),圖像分割實(shí)驗(yàn)等;最后應(yīng)用分辨率為0.1米的Mini SAR圖像進(jìn)行了案例匹配的目標(biāo)檢測實(shí)驗(yàn),應(yīng)用兩種不同的檢測模型:最近鄰匹配模型和決策樹匹配模型進(jìn)行案例匹配。最終的實(shí)驗(yàn)效果表明,基于最近鄰匹配的模型具有效率高的特點(diǎn),而基于決策樹的匹配模型具有精度高的特點(diǎn)。實(shí)驗(yàn)證明,文中所應(yīng)用的基于決策樹的案例匹配以及基于最近鄰的案例匹配算法都能達(dá)到案例匹配算法的技術(shù)要求,其中,基于決策樹模型的案例匹配算法具有更高的精度,適合高精度的解譯工作,但基于最近鄰的圖像解譯算法具有更高的運(yùn)算效率,更加適合大幅圖像的工程應(yīng)用。
【關(guān)鍵詞】：高分辨率SAR圖像 目標(biāo)檢測 案例匹配 決策樹 最近鄰 特征分析
【學(xué)位授予單位】：哈爾濱工業(yè)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4-6
• Abstract6-10
• 第1章 緒論10-16
• 1.1 課題背景及研究的目的和意義10-11
• 1.2 國內(nèi)外研究現(xiàn)狀及分析11-14
• 1.2.1 高分辨率SAR技術(shù)11-12
• 1.2.2 SAR圖像目標(biāo)檢測技術(shù)的國內(nèi)外研究現(xiàn)狀12-13
• 1.2.3 案例匹配推理算法的發(fā)展及研究現(xiàn)狀13-14
• 1.3 主要研究內(nèi)容及論文結(jié)構(gòu)14-16
• 第2章 案例匹配相關(guān)技術(shù)及目標(biāo)的特征提取16-32
• 2.1 引言16
• 2.2 案例匹配的基本原理16-18
• 2.3 決策樹模型介紹18-20
• 2.4 高分辨SAR圖像預(yù)處理及圖像分割20-25
• 2.4.1 SAR圖像的方位向校正20-22
• 2.4.2 基于相似像素選擇的SAR圖像濾波22-23
• 2.4.3 基于水平集算法的案例分割23-25
• 2.5 高分辨率SAR圖像目標(biāo)特征提取25-31
• 2.5.1 幾何特征提取25-28
• 2.5.2 陰影特征提取28-29
• 2.5.3 紋理特征提取29-31
• 2.6 本章小結(jié)31-32
• 第3章 案例匹配在高分辨率SAR解譯中的應(yīng)用32-43
• 3.1 引言32
• 3.2 案例庫的模型建立32-35
• 3.2.1 典型案例庫模型32-33
• 3.2.2 高分辨率SAR圖像中的案例庫模型33-35
• 3.3 基于最近鄰算法的案例匹配過程35-36
• 3.4 基于決策樹模型案例匹配過程36-42
• 3.4.1 基于決策樹的案例匹配流程36-38
• 3.4.2 基于案例訓(xùn)練的案例庫修訂38-40
• 3.4.3 決策樹模型的參數(shù)設(shè)定40-41
• 3.4.4 決策樹的匹配模型41-42
• 3.5 本章小結(jié)42-43
• 第4章 基于案例匹配的目標(biāo)檢測相關(guān)實(shí)驗(yàn)43-58
• 4.1 引言43
• 4.2 高分辨率SAR圖像典型目標(biāo)特征分析43-47
• 4.2.1 幾何特征分析44-45
• 4.2.2 陰影特征分析45
• 4.2.3 灰度特征分析45-47
• 4.3 高分辨率SAR圖像預(yù)處理與案例分割47-52
• 4.3.1 方位向校正47-49
• 4.3.2 圖像濾波49-50
• 4.3.3 案例分割實(shí)驗(yàn)50-52
• 4.4 基于案例匹配的目標(biāo)檢測結(jié)果及分析52-57
• 4.4.1 基于最近鄰匹配的檢測結(jié)果52-53
• 4.4.2 基于決策樹匹配的檢測結(jié)果53-57
• 4.5 本章小結(jié)57-58
• 結(jié)論58-59
• 參考文獻(xiàn)59-64
• 攻讀碩士學(xué)位期間發(fā)表的論文及其它成果64-66
• 致謝66

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前2條

1 劉愛平;劉忠;付琨;尤紅建;;一種有效的高分辨率SAR目標(biāo)特征提取與識別方法[J];武漢大學(xué)學(xué)報(bào)(信息科學(xué)版);2010年08期

2 李禹;計(jì)科峰;吳永輝;粟毅;;高分辨率SAR圖像車輛目標(biāo)幾何特征提取方法[J];系統(tǒng)工程與電子技術(shù);2009年01期

  本文關(guān)鍵詞：基于案例匹配的高分辨率SAR圖像目標(biāo)檢測，由筆耕文化傳播整理發(fā)布。

，

本文編號：393947