發(fā)布時(shí)間：2017-10-06 21:32

  本文關(guān)鍵詞：基于強(qiáng)度統(tǒng)計(jì)稀疏的極化SAR圖像分類(lèi)

  更多相關(guān)文章： 極化SAR分類(lèi) 極化散射強(qiáng)度 第二類(lèi)統(tǒng)計(jì)模型 稀疏表示 張量分析

【摘要】：全極化合成孔徑雷達(dá)(Polarimetric Synthetic Aperture Rader,簡(jiǎn)寫(xiě)POLSAR)是一種全天候的多參數(shù),多通道的雷達(dá)成像系統(tǒng),雷達(dá)成像系統(tǒng)通過(guò)收發(fā)不同極化方式的電磁波,獲得全極化SAR圖像在四個(gè)通道上地物的全部散射信息,即水平發(fā)射水平接收通道(HH),水平發(fā)射垂直接收通道(HV),垂直發(fā)射水平接收通道(VH),垂直發(fā)射垂直接收通道(VV),四個(gè)通道包涵了地面每一分辨單元的全部極化散射信息,這也是全極化SAR圖像相對(duì)與單極化SAR圖像而言最大的優(yōu)勢(shì)所在。在極化SAR圖像分類(lèi)問(wèn)題中,如何從極化SAR散射信息中提取分類(lèi)特征,如何應(yīng)用已知的全部極化散射信息,成為分類(lèi)成敗和分類(lèi)好壞的關(guān)鍵問(wèn)題所在。全極化SAR圖像所提共了四個(gè)通道的極化散射信息,如何利用好這些極化散射信息以及四個(gè)散射通道之間的關(guān)系,本文提出了一下論斷和在此論斷的基礎(chǔ)上用于極化SAR圖像分類(lèi)的幾種方法,主要內(nèi)容如下:1.提出了全極化SAR的極化散射強(qiáng)度矩陣中的極化散射強(qiáng)度在四個(gè)通道上具有相似性的新論斷。極化相干矩陣和從極化相干矩陣中提取特征用于極化SAR圖像分類(lèi)的方法已經(jīng)非常成熟,雖然極化相干矩陣包含了地物散射目標(biāo)的全部散射信息,但卻模糊了全極化SAR四個(gè)通道這一特征。為了克服這一缺點(diǎn),本文討論了對(duì)極化SAR散射強(qiáng)度矩陣與極化相干矩陣的優(yōu)越性,并對(duì)極化SAR散射強(qiáng)度矩陣中散射強(qiáng)度在四個(gè)通道上的稀疏性做了討論。這對(duì)極化SAR圖像中特征的提取將是一個(gè)很大的突破。2.提出了一種基于全極化SAR在各個(gè)通道上散射強(qiáng)度統(tǒng)計(jì)稀疏的極化SAR圖像分類(lèi)與識(shí)別的方法。針對(duì)前面提出的極化SAR中極化散射強(qiáng)度在通道之間的相似性,對(duì)特定地物目標(biāo)的散射強(qiáng)度在三個(gè)通道上進(jìn)行了統(tǒng)計(jì),通過(guò)KSVD字典學(xué)習(xí)算法獲得特定地物的特征字典,通過(guò)正交匹配算法(OMP)獲得了極化散射強(qiáng)度在三個(gè)通道上的稀疏特征,利用這些包含三個(gè)通道關(guān)系的稀疏特征完成極化SAR圖像的分類(lèi),同時(shí)也可以用特定目標(biāo)的字典遷移到未知的極化SAR圖像的數(shù)據(jù)中,實(shí)現(xiàn)特定目標(biāo)的識(shí)別。3.提出了一種全極化SAR圖像在各個(gè)通道上散射強(qiáng)度統(tǒng)計(jì)稀疏在張量模型下的圖像分類(lèi)和識(shí)別的方法。將極化散射強(qiáng)度的統(tǒng)計(jì)信息用張量描述,更能體現(xiàn)出全極化SAR三個(gè)通道之間的結(jié)構(gòu)信息,豐富了分類(lèi)特征,更好的實(shí)現(xiàn)了極化SAR圖像的分類(lèi),同時(shí)也可以用特定目標(biāo)在張量表示后學(xué)習(xí)的字典遷移到未知的極化SAR圖像的數(shù)據(jù)中,實(shí)現(xiàn)特定目標(biāo)的識(shí)別。
【關(guān)鍵詞】：極化SAR分類(lèi) 極化散射強(qiáng)度 第二類(lèi)統(tǒng)計(jì)模型 稀疏表示 張量分析
【學(xué)位授予單位】：西安電子科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類(lèi)號(hào)】：TN957.52
【目錄】：

• 摘要5-6
• ABSTRACT6-10
• 符號(hào)對(duì)照表10-11
• 縮略語(yǔ)對(duì)照表11-14
• 第一章 緒論14-18
• 1.1 背景與意義14-15
• 1.2 極化SAR圖像分類(lèi)15-16
• 1.3 論文的主要內(nèi)容及安排16-18
• 第二章 極化SAR圖像散射強(qiáng)度在三個(gè)通道上稀疏性的討論18-24
• 2.1 引言18
• 2.2 極化SAR數(shù)據(jù)18-20
• 2.3 關(guān)于極化散射強(qiáng)度矩陣與極化相干矩陣優(yōu)越性的討論20-21
• 2.4 關(guān)于極化散射強(qiáng)度矩陣通道間稀疏性的討論21-24
• 第三章 基于極化散射強(qiáng)度統(tǒng)計(jì)稀疏的極化SAR圖像分類(lèi)24-44
• 3.1 引言24
• 3.2 極化散射強(qiáng)度矩陣的統(tǒng)計(jì)24-29
• 3.2.1 Weibull統(tǒng)計(jì)模型24-25
• 3.2.2 基于Mellin變換的參數(shù)估計(jì)25-26
• 3.2.3 樣本的選與統(tǒng)計(jì)擬合26-29
• 3.3 K-SVD字典學(xué)習(xí)29-31
• 3.3.1 K-SVD字典學(xué)習(xí)29-30
• 3.3.2 OMP算法30-31
• 3.4 SVM分類(lèi)算法31-32
• 3.5 基于馬爾可夫隨機(jī)場(chǎng)（MRF）的局部?jī)?yōu)化32-33
• 3.6 實(shí)驗(yàn)方法33-38
• 3.7 實(shí)驗(yàn)結(jié)果分析38-44
• 3.7.1 實(shí)驗(yàn)數(shù)據(jù)38
• 3.7.2 實(shí)驗(yàn)結(jié)果分析38-44
• 第四章 基于強(qiáng)度在張量結(jié)構(gòu)下統(tǒng)計(jì)稀疏極化SAR圖像分類(lèi)44-54
• 4.1 引言44
• 4.2 極化SAR圖像數(shù)據(jù)的張量描述44-47
• 4.2.1 從向量到張量44-45
• 4.2.2 張量的矩陣化45-46
• 4.2.3 極化SAR統(tǒng)計(jì)特征的張量描述46-47
• 4.3 實(shí)驗(yàn)方法47-50
• 4.4 實(shí)驗(yàn)結(jié)果分析50-54
• 第五章 總結(jié)與展望54-58
• 5.1 本文的創(chuàng)新點(diǎn)54-55
• 5.2 進(jìn)一步研究方向55-56
• 5.3 展望56-58
• 參考文獻(xiàn)58-62
• 致謝62-64
• 作者簡(jiǎn)介64-65

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前2條

1 劉夢(mèng)玲;何楚;蘇鑫;孫洪;;基于pLSA和Topo-MRF模型的SAR圖像分類(lèi)算法研究[J];武漢大學(xué)學(xué)報(bào)(信息科學(xué)版);2011年01期

2 劉愛(ài)平;付琨;尤紅建;劉忠;;基于MAR-MRF的SAR圖像分割方法[J];電子與信息學(xué)報(bào);2009年11期

，

本文編號(hào)：985153