本文關(guān)鍵詞：基于圖的極化SAR影像半監(jiān)督分類，，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著極化SAR理論與應(yīng)用的發(fā)展,極化SAR比單極化SAR,一方面能夠采集更多的地物信息,另一方面也不容易受到單個極化態(tài)的限制,通過采用不同波段來獲取目標(biāo)在不同極化態(tài)下的散射特性,以此來得到更好的觀測結(jié)果。極化SAR影像分類是解譯的重要過程之一。半監(jiān)督分類通過無標(biāo)記樣本和少量有標(biāo)記樣本來提高分類正確率,隨著該方法的廣泛應(yīng)用,基于圖模型的方法也備受關(guān)注,該方法首先使用包括有標(biāo)記樣本和無標(biāo)記樣本作為頂點(diǎn)來構(gòu)建一個圖,每一條頂點(diǎn)之間的邊都賦予一個權(quán)值,權(quán)值表示兩個樣本之間的相似度。之后,根據(jù)優(yōu)化函數(shù)即分類器將類別標(biāo)記通過邊來傳播。雖然基于圖的分類方法取得了較高的分類正確率,但是仍然存在兩個缺點(diǎn):一是算法在構(gòu)圖過程中,忽視了圖像的空間信息,導(dǎo)致對圖像的細(xì)節(jié)劃分有誤差。二是構(gòu)圖方法時間復(fù)雜度高,運(yùn)算量太大。本論文針對以上問題,提出幾種基于圖的半監(jiān)督分類方法,具體研究內(nèi)容如下:(1)在基于圖的基本分類方法的基礎(chǔ)上,結(jié)合超像素分割,提出一種基于錨點(diǎn)空間圖的半監(jiān)督分類方法來處理極化SAR大數(shù)據(jù)。首先,借鑒錨點(diǎn)圖的思想,根據(jù)樣本點(diǎn)極化相干矩陣的相似性,使用無監(jiān)督的Wishart聚類方法先將圖像數(shù)據(jù)聚成多簇,把距離每簇的聚類中心最近的樣本點(diǎn)作為錨點(diǎn),然后利用多特征根據(jù)每個樣本最近鄰的少量錨點(diǎn)構(gòu)造錨點(diǎn)圖,之后結(jié)合圖像的空間相鄰關(guān)系構(gòu)造錨點(diǎn)空間圖,最后利用該圖進(jìn)行標(biāo)簽傳播實(shí)現(xiàn)分類,該方法時間復(fù)雜度較低,在處理大數(shù)據(jù)過程中能夠有效縮短處理時間。(2)在單視圖分類的基礎(chǔ)上,提出了基于多視圖的半監(jiān)督分類方法。根據(jù)由圖像數(shù)據(jù)獲得的多組特征分別構(gòu)造圖結(jié)構(gòu),通過優(yōu)化方法來利用視圖之間的相互作用,優(yōu)勢互補(bǔ),重組多個圖結(jié)構(gòu),提高后續(xù)分類的正確率。合成數(shù)據(jù)和真實(shí)極化SAR影像的分類實(shí)驗(yàn)均驗(yàn)證了算法的有效性。(3)在錨點(diǎn)圖的基礎(chǔ)上,利用超像素先將影像進(jìn)行區(qū)域的劃分,然后分別使用一個特征向量來表示各個區(qū)域中的所有點(diǎn)進(jìn)行單視圖的分類,其對應(yīng)分類器學(xué)習(xí)后的類別標(biāo)簽即可表示該區(qū)域內(nèi)所有測試樣本點(diǎn)的類別標(biāo)簽。此方法雖然在分類正確率上相比之前對于所有像素點(diǎn)進(jìn)行的單視圖分類有所降低,但運(yùn)行時間大大減少,有效提高分類的效率。
【關(guān)鍵詞】：半監(jiān)督分類 極化SAR影像 錨點(diǎn)圖 地物分類
【學(xué)位授予單位】：西安電子科技大學(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
• 符號對照表10-11
• 縮略語對照表11-14
• 第一章 緒論14-18
• 1.1 研究背景14-15
• 1.2 研究目的與意義15
• 1.3 論文的主要工作與架構(gòu)安排15-18
• 第二章 基于圖的半監(jiān)督分類方法18-24
• 2.1 概述18
• 2.2 幾種常見的圖的構(gòu)建方法18-20
• 2.3 幾種常見的基于圖論的半監(jiān)督分類方法20-22
• 2.4 本章小結(jié)22-24
• 第三章 基于錨點(diǎn)空間圖的極化SAR影像半監(jiān)督分類24-46
• 3.1 基于錨點(diǎn)圖的半監(jiān)督分類方法24-25
• 3.2 基于錨點(diǎn)空間圖的極化SAR影像半監(jiān)督分類方法25-30
• 3.2.1 特征加權(quán)26-27
• 3.2.2 Wishart聚類27-28
• 3.2.3 構(gòu)建空間錨點(diǎn)圖28
• 3.2.4 構(gòu)建空間錨點(diǎn)類別圖28-29
• 3.2.5 半監(jiān)督分類29-30
• 3.3 時間復(fù)雜度分析30
• 3.4 實(shí)驗(yàn)結(jié)果與分析30-43
• 3.4.1 合成極化SAR數(shù)據(jù)實(shí)驗(yàn)結(jié)果31-37
• 3.4.2 Flevoland（荷蘭地區(qū)）的AIRSAR數(shù)據(jù)實(shí)驗(yàn)結(jié)果37-39
• 3.4.3 Flevoland（荷蘭地區(qū)）子圖數(shù)據(jù)實(shí)驗(yàn)結(jié)果39-41
• 3.4.4 Oberpfaffenhofen（德國地區(qū)）的E-SAR數(shù)據(jù)實(shí)驗(yàn)結(jié)果41-43
• 3.5 參數(shù)的討論43-45
• 3.6 本章小結(jié)45-46
• 第四章 基于多視圖重組的極化SAR影像半監(jiān)督分類46-60
• 4.1 基于圖的重組學(xué)習(xí)方法46-48
• 4.2 基于多視圖重組的極化SAR影像半監(jiān)督分類方法48-51
• 4.2.1 基于多視圖重組的半監(jiān)督分類方法48-50
• 4.2.2 具體實(shí)現(xiàn)方法50-51
• 4.3 參數(shù)的討論51-53
• 4.4 實(shí)驗(yàn)結(jié)果與分析53-58
• 4.4.1 合成極化SAR數(shù)據(jù)實(shí)驗(yàn)結(jié)果53-55
• 4.4.2 Flevoland（荷蘭地區(qū)）的城區(qū)子AIRSAR數(shù)據(jù)實(shí)驗(yàn)結(jié)果55-56
• 4.4.3 Foloum（丹麥地區(qū)）的EMISAR數(shù)據(jù)實(shí)驗(yàn)結(jié)果56-58
• 4.5 本章小結(jié)58-60
• 第五章 基于錨點(diǎn)圖的快速極化SAR影像半監(jiān)督分類60-70
• 5.1 超像素分割60-61
• 5.2 基于錨點(diǎn)圖的快速極化SAR影像半監(jiān)督分類方法61-62
• 5.3 實(shí)驗(yàn)結(jié)果與分析62-68
• 5.3.1 合成極化SAR數(shù)據(jù)實(shí)驗(yàn)結(jié)果62-65
• 5.3.2 Flevoland（荷蘭地區(qū)）的AIRSAR數(shù)據(jù)實(shí)驗(yàn)結(jié)果65-67
• 5.3.3 Oberpfaffenhofen（德國地區(qū)）的E-SAR數(shù)據(jù)實(shí)驗(yàn)結(jié)果67-68
• 5.4 時間復(fù)雜度分析68-69
• 5.5 本章小結(jié)69-70
• 第六章 總結(jié)與展望70-72
• 6.1 總結(jié)70
• 6.2 展望70-72
• 參考文獻(xiàn)72-76
• 致謝76-78
• 作者簡介78-79

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 葛詠;白鶴翔;李三平;李德玉;;粗糙集理論進(jìn)行遙感圖像監(jiān)督分類的樣本質(zhì)量評價的研究(英文)[J];Geo-Spatial Information Science;2008年02期

2 劉建南;冷亮;楊國東;;遙感影像平行六面體法則監(jiān)督分類與目視識別的對比分析[J];才智;2009年19期

3 孔令富;李海濤;;基于免疫無監(jiān)督分類的老年人行為分析[J];吉林大學(xué)學(xué)報(工學(xué)版);2011年06期

4 王麗麗;余代俊;白鐵勇;;基于RS和GIS土地利用現(xiàn)狀調(diào)查[J];地理空間信息;2009年06期

5 鄭明國,秦明周;利用眾數(shù)濾波對監(jiān)督分類訓(xùn)練樣本純化的研究[J];信陽師范學(xué)院學(xué)報(自然科學(xué)版);2003年03期

6 曾招城;李利偉;王正海;雷莉萍;;基于監(jiān)督分類的震后高分辨率影像倒塌房屋快速識別[J];遙感信息;2011年05期

7 宋爽;李宏偉;;圖像監(jiān)督分類[J];電腦編程技巧與維護(hù);2007年01期

8 易文斌;冒亞明;慎利;;利用概率主題模型的遙感影像半監(jiān)督分類[J];計算機(jī)工程與應(yīng)用;2013年10期

9 王成業(yè),李夏;遙感圖象數(shù)據(jù)的無監(jiān)督分類后處理及精度分析[J];計算機(jī)工程與應(yīng)用;1984年05期

10 巢寧佳;;遙感影像監(jiān)督分類[J];江西測繪;2007年04期

中國重要會議論文全文數(shù)據(jù)庫 前5條

1 馬平燕;;基于ERDAS的土地利用監(jiān)督分類探討[A];江蘇省測繪學(xué)會2007年學(xué)術(shù)年會論文集[C];2008年

2 馬平燕;;基于ERDAS的土地利用監(jiān)督分類探討[A];江蘇省測繪學(xué)會2007'學(xué)術(shù)年會論文集[C];2008年

3 趙偉穎;;極化SAR監(jiān)督分類方法對植被分類效果比較分析[A];第九屆長三角科技論壇（測繪分論壇）論文集[C];2012年

4 袁金國;;遙感影像監(jiān)督分類方法的應(yīng)用研究[A];科技、工程與經(jīng)濟(jì)社會協(xié)調(diào)發(fā)展——中國科協(xié)第五屆青年學(xué)術(shù)年會論文集[C];2004年

5 王強(qiáng);孫洪;;基于支持向量機(jī)的多極化SAR圖像監(jiān)督分類[A];第十二屆全國信號處理學(xué)術(shù)年會（CCSP-2005）論文集[C];2005年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前3條

1 王春陽;基于信息熵的自訓(xùn)練半監(jiān)督高光譜遙感影像分類研究[D];河南理工大學(xué);2015年

2 可婷;部分監(jiān)督分類問題的研究[D];中國農(nóng)業(yè)大學(xué);2014年

3 黃東山;特征選擇及半監(jiān)督分類方法研究[D];華中科技大學(xué);2011年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前8條

1 王藝愷;基于圖的極化SAR影像半監(jiān)督分類[D];西安電子科技大學(xué);2015年

2 賈敏;腦機(jī)接口中半監(jiān)督分類方法研究[D];燕山大學(xué);2012年

3 張興娟;石家莊市綠地調(diào)查研究與分析[D];遼寧工程技術(shù)大學(xué);2009年

4 韓花;基于監(jiān)督分類的土地利用動態(tài)變化監(jiān)測及其信息自動提取[D];長安大學(xué);2012年

5 蔣霞;極化SAR圖像無監(jiān)督分類方法研究[D];電子科技大學(xué);2015年

6 呂浩然;基于樹分解的大規(guī)模半監(jiān)督分類算法[D];華南理工大學(xué);2012年

7 陸廣泉;半監(jiān)督分類技術(shù)及其算法研究[D];廣西師范大學(xué);2011年

8 石瑞超;關(guān)系網(wǎng)絡(luò)數(shù)據(jù)的半監(jiān)督分類方法研究[D];哈爾濱工業(yè)大學(xué);2013年

  本文關(guān)鍵詞：基于圖的極化SAR影像半監(jiān)督分類，由筆耕文化傳播整理發(fā)布。

本文編號：427163