本文關鍵詞：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在不同極化態(tài)下的散射特性,以此來得到更好的觀測結果。極化SAR影像分類是解譯的重要過程之一。半監(jiān)督分類通過無標記樣本和少量有標記樣本來提高分類正確率,隨著該方法的廣泛應用,基于圖模型的方法也備受關注,該方法首先使用包括有標記樣本和無標記樣本作為頂點來構建一個圖,每一條頂點之間的邊都賦予一個權值,權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:一是算法在構圖過程中,忽視了圖像的空間信息,導致對圖像的細節(jié)劃分有誤差。二是構圖方法時間復雜度高,運算量太大。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上,結合超像素分割,提出一種基于錨點空間圖的半監(jiān)督分類方法來處理極化SAR大數(shù)據(jù)。首先,借鑒錨點圖的思想,根據(jù)樣本點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作為錨點,然后利用多特征根據(jù)每個樣本最近鄰的少量錨點構造錨點圖,之后結合圖像的空間相鄰關系構造錨點空間圖,最后利用該圖進行標簽傳播實現(xiàn)分類,該方法時間復雜度較低,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造圖結構,通過優(yōu)化方法來利用視圖之間的相互作用,優(yōu)勢互補,重組多個圖結構,提高后續(xù)分類的正確率。合成數(shù)據(jù)和真實極化SAR影像的分類實驗均驗證了算法的有效性。(3)在錨點圖的基礎上,利用超像素先將影像進行區(qū)域的劃分,然后分別使用一個特征向量來表示各個區(qū)域中的所有點進行單視圖的分類,其對應分類器學習后的類別標簽即可表示該區(qū)域內(nèi)所有測試樣本點的類別標簽。此方法雖然在分類正確率上相比之前對于所有像素點進行的單視圖分類有所降低,但運行時間大大減少,有效提高分類的效率。
【關鍵詞】：半監(jiān)督分類 極化SAR影像 錨點圖 地物分類
【學位授予單位】：西安電子科技大學
【學位級別】：碩士
【學位授予年份】：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22-24
• 第三章 基于錨點空間圖的極化SAR影像半監(jiān)督分類24-46
• 3.1 基于錨點圖的半監(jiān)督分類方法24-25
• 3.2 基于錨點空間圖的極化SAR影像半監(jiān)督分類方法25-30
• 3.2.1 特征加權26-27
• 3.2.2 Wishart聚類27-28
• 3.2.3 構建空間錨點圖28
• 3.2.4 構建空間錨點類別圖28-29
• 3.2.5 半監(jiān)督分類29-30
• 3.3 時間復雜度分析30
• 3.4 實驗結果與分析30-43
• 3.4.1 合成極化SAR數(shù)據(jù)實驗結果31-37
• 3.4.2 Flevoland（荷蘭地區(qū)）的AIRSAR數(shù)據(jù)實驗結果37-39
• 3.4.3 Flevoland（荷蘭地區(qū)）子圖數(shù)據(jù)實驗結果39-41
• 3.4.4 Oberpfaffenhofen（德國地區(qū)）的E-SAR數(shù)據(jù)實驗結果41-43
• 3.5 參數(shù)的討論43-45
• 3.6 本章小結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 基于圖的重組學習方法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 具體實現(xiàn)方法50-51
• 4.3 參數(shù)的討論51-53
• 4.4 實驗結果與分析53-58
• 4.4.1 合成極化SAR數(shù)據(jù)實驗結果53-55
• 4.4.2 Flevoland（荷蘭地區(qū)）的城區(qū)子AIRSAR數(shù)據(jù)實驗結果55-56
• 4.4.3 Foloum（丹麥地區(qū)）的EMISAR數(shù)據(jù)實驗結果56-58
• 4.5 本章小結58-60
• 第五章 基于錨點圖的快速極化SAR影像半監(jiān)督分類60-70
• 5.1 超像素分割60-61
• 5.2 基于錨點圖的快速極化SAR影像半監(jiān)督分類方法61-62
• 5.3 實驗結果與分析62-68
• 5.3.1 合成極化SAR數(shù)據(jù)實驗結果62-65
• 5.3.2 Flevoland（荷蘭地區(qū)）的AIRSAR數(shù)據(jù)實驗結果65-67
• 5.3.3 Oberpfaffenhofen（德國地區(qū)）的E-SAR數(shù)據(jù)實驗結果67-68
• 5.4 時間復雜度分析68-69
• 5.5 本章小結69-70
• 第六章 總結與展望70-72
• 6.1 總結70
• 6.2 展望70-72
• 參考文獻72-76
• 致謝76-78
• 作者簡介78-79

【相似文獻】

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];吉林大學學報(工學版);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)督分類訓練樣本純化的研究[J];信陽師范學院學報(自然科學版);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;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];計算機工程與應用;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];計算機工程與應用;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];江蘇省測繪學會2007年學術年會論文集[C];2008年

2 馬平燕;;基于ERDAS的土地利用監(jiān)督分類探討[A];江蘇省測繪學會2007'學術年會論文集[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)督分類方法的應用研究[A];科技、工程與經(jīng)濟社會協(xié)調(diào)發(fā)展——中國科協(xié)第五屆青年學術年會論文集[C];2004年

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

中國博士學位論文全文數(shù)據(jù)庫 前3條

1 王春陽;基于信息熵的自訓練半監(jiān)督高光譜遙感影像分類研究[D];河南理工大學;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;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;2011年

中國碩士學位論文全文數(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;2015年

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

3 張興娟;石家莊市綠地調(diào)查研究與分析[D];遼寧工程技術大學;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;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;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;2012年

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

8 石瑞超;關系網(wǎng)絡數(shù)據(jù)的半監(jiān)督分類方法研究[D];哈爾濱工業(yè)大學;2013年

  本文關鍵詞：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