本文關鍵詞：基于面向對象的極化SAR地物分類

  更多相關文章： 極化SAR 特征分析 極化分解 面向對象分析 地物分類

【摘要】：近年來,極化SAR地物分類應用十分廣泛,除了在軍事領域對軍事目標的監(jiān)測與識別,在民用領域中對農(nóng)作物普查、環(huán)境監(jiān)測、耕地以及城市用地占用、海洋溢油、船只監(jiān)測也有重要的價值。本文通過對大連市Radarsat-2數(shù)據(jù)以及紐芬蘭海岸SIR-C數(shù)據(jù)進行分析處理,提出了一種尋找最優(yōu)分類特征子集,面向對象分析的研究思路,它包括極化分解、特征分析、面向對象分析、馬氏距離和SVM分類算法。本文首先對全極化SAR數(shù)據(jù)做了簡要分析,闡述了其從衛(wèi)星微波信號到計算機圖像的轉化。然后,對SAR遙感圖像的各種特征分門別類,主要劃分為三大類,為：直接基于極化SAR原始數(shù)據(jù)的特征、基于目標分解獲取的特征,以及圖像的視覺特征。針對每一類特征都介紹了提取算法并給出了使用理由。再次,對三類特征進行子集劃分,共組合了9個特征子集進行比較從而獲得最優(yōu)子集,并對其進行去冗余化。最后提出了在最優(yōu)特征子集基礎上進行面向對象分析的思想獲得了理想的分類精度。實驗證明,進行特征分析后,對某一種類型的地物存在最優(yōu)的分類特征子集使得分類的精度以及地物的識別效果比較好,而且具有共性。最后在最優(yōu)特征子集的基礎上進行了面向對象分析,規(guī)避了傳統(tǒng)分類的一些缺點,可以有效地抑制噪聲,提高分類精度,減少各類地物之間的分類混淆。針對現(xiàn)有的圖像分割算法速度慢,對復雜類型的地物分割效果不理想的情況,本文提出了一種先聚類初始分割,后Lambda合并的分類方法,并取得了理想的結果。鑒于實驗的數(shù)據(jù)還不夠充足,許多結論為初步得到,進一步的驗證還需要更多的數(shù)據(jù)和實驗
【關鍵詞】：極化SAR 特征分析 極化分解 面向對象分析 地物分類
【學位授予單位】：大連海事大學
【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
• 第1章 緒論10-16
• 1.1 前言10-11
• 1.2 極化SAR分類技術研究現(xiàn)狀11-13
• 1.3 研究思路及內容流程圖13-15
• 1.4 章節(jié)安排15-16
• 第2章 極化SAR圖像處理16-32
• 2.1 電磁波極化16
• 2.2 極化波的表征16-19
• 2.3 散射體的極化表示19-23
• 2.4 目標分解理論23
• 2.5 SAR圖像處理分類23-31
• 2.6 本章小結31-32
• 第3章 多特征分析32-68
• 3.1 極化圖像32-37
• 3.1.1 大連市區(qū)數(shù)據(jù)32-36
• 3.1.2 LABRADOR灣海冰數(shù)據(jù)36-37
• 3.2 直接基于極化SAR原始數(shù)據(jù)提取的特征37-40
• 3.3 基于目標分解理論提取的特征40-47
• 3.3.1 PAULI分解40-42
• 3.3.2 CLOUDE分解42-45
• 3.3.3 FREEMAN分解45-47
• 3.3.4 YAMAGUCHI分解47
• 3.4 圖像視覺特征47-50
• 3.5 特征甄選50-67
• 3.5.1 分類器52-55
• 3.5.2 實驗結果55-67
• 3.6 本章小結67-68
• 第4章 基于面向對象和最優(yōu)特征集的地物分類68-79
• 4.1 面向對象分割介紹68-73
• 4.2 面向對象分類73-74
• 4.3 實驗結果74-78
• 4.4 本章小結78-79
• 結論79-80
• 參考文獻80-86
• 致謝86

【參考文獻】

中國博士學位論文全文數(shù)據(jù)庫 前1條

1 楊新;極化SAR圖像的分割和分類算法研究[D];電子科技大學;2008年

中國碩士學位論文全文數(shù)據(jù)庫 前2條

1 紀陽陽;基于多類特征融合的步態(tài)識別算法[D];山東大學;2010年

2 劉進立;SAR圖像分割與特征提取方法研究[D];遼寧大學;2013年

，

本文編號：667170