本文關(guān)鍵詞：基于選擇性集成的PolSAR圖象分類研究

  更多相關(guān)文章： 極化合成孔徑雷達 分類 集成學習 選擇性集成

【摘要】：極化合成孔徑雷達(Pol SAR)技術(shù)相對于一般的合成孔徑雷達(SAR)而言,它的系統(tǒng)可以利用通道之間具有的相對相位信息對目標存在的差異特性進行定量反映。其具有的優(yōu)點在目標檢測與識別、精細農(nóng)業(yè)、監(jiān)測災(zāi)害等方面有著巨大的利用價值。所以,Pol SAR分類也同樣得到了科學界的廣泛關(guān)注。對于傳統(tǒng)的圖象分類,人們訓練的單一分類器往往會由于考慮問題的不全面從而使得圖象的分類結(jié)果和實際存在較大差異,為處理這一存在的問題,引入了集成學習的概念,它將多個不同的具有差異的學習器進行訓練并集成,進而得到相比于單一學習器而言更加精確理想的學習結(jié)果。但是并不意味著,只要使用大量的學習器就可以得到更好的學習結(jié)果,大量學習器的使用有可能導致預(yù)測出現(xiàn)負面效果。為解決該問題,選擇性集成被提了出來,它的主要思想是在集成過程中選擇部分而不是全部學習器參與集成從而獲得更好的結(jié)果。本文結(jié)合Pol SAR圖象特點,將選擇性集成引入Pol SAR圖象的分類中,從而提高Pol SAR圖象的分類效果,促進Pol SAR圖象分類技術(shù)的發(fā)展。本文研究內(nèi)容主要包括以下三方面:(1)介紹了Pol SAR圖象的基本散射模型,其特性的表示方法。分析了Pol SAR圖象的極化特征和非極化特征提取方法,研究了基于散射模型的目標極化分解和紋理特征提取方法。(2)根據(jù)集成學習和選擇性集成的基本思想,結(jié)合Pol SAR圖象的特點,構(gòu)造了Pol SAR圖象選擇性集成的基分類器,即構(gòu)造基于支持向量機(SVM)和基于神經(jīng)網(wǎng)絡(luò)(NN)的Pol SAR圖象分類。并采用EMISAR系統(tǒng)得到的Foulum地區(qū)和ESAR系統(tǒng)得到的德國Oberpfaffenhofen地區(qū)的全極化圖象進行實驗。(3)根據(jù)選擇性集成的特點,研究了兩種選擇性集成的算法,分別為基于模糊C均值聚類的選擇性集成和基于遺傳算法的選擇性集成,并結(jié)合兩種算法的特點,將兩種算法應(yīng)用到Pol SAR圖象分類中,得到全圖分類結(jié)果和每類測試樣本的分類精度,將選擇性集成后的分類結(jié)果和基分類器分類后得到的結(jié)果進行對比,對精度和算法的優(yōu)越性進行評估。
【學位授予單位】：哈爾濱工業(yè)大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TN957.52

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前2條

1 李金龍,王上飛,陳恩紅,許月華,王煦法;一種新的個性化的圖象分類方法[J];中國圖象圖形學報;2002年11期

2 ;[J];;年期

中國碩士學位論文全文數(shù)據(jù)庫 前1條

1 王驍;基于選擇性集成的PolSAR圖象分類研究[D];哈爾濱工業(yè)大學;2016年

，

本文編號：1196393