本文關(guān)鍵詞：基于全極化SAR數(shù)據(jù)的影像分類與介電信息提取　出處：《吉林大學(xué)》2016年碩士論文　論文類型：學(xué)位論文

  更多相關(guān)文章： 影像分類 介電常數(shù) 粗糙度 小擾動(dòng)模型 Oh模型

【摘要】：相比傳統(tǒng)可見光、近紅外傳感器,SAR有著無可比擬的優(yōu)點(diǎn),能夠全天時(shí)全天候進(jìn)行全球范圍內(nèi)的對(duì)地工作,避免云雨等不良天氣的影響。極化SAR以麥克斯韋方程組為數(shù)學(xué)基礎(chǔ),以雷達(dá)方程、極化電磁波理論、極化目標(biāo)分解理論、微波散射理論為基本原理。極化SAR系統(tǒng)可以探測(cè)到更豐富的目標(biāo)散射信息,為圖像分類、目標(biāo)識(shí)別和地表參數(shù)反演提供了新的方法,因此研究極化SAR的應(yīng)用具有重要的理論與實(shí)際意義。論文選擇遼寧省興城地區(qū)作為研究區(qū)域,實(shí)驗(yàn)區(qū)涵蓋多數(shù)地物類型,具有一定的代表性,具體包括海域、漫灘、城鎮(zhèn)、農(nóng)田、林地等。論文采用ALOS PALSAR全極化合成孔徑雷達(dá)數(shù)據(jù),對(duì)研究區(qū)進(jìn)行地物分類和介電常數(shù)反演兩方面的研究,取得了一定創(chuàng)新性的成果,具體如下:1、基于極化目標(biāo)分解理論的非監(jiān)督圖像分類方法研究。論文在極化分解的理論基礎(chǔ)上進(jìn)一步得到了描述物體散射隨機(jī)程度的熵(H)和反熵(A),以及代表散射體不同散射機(jī)制的平均散射角(α)。通過研究散射體在H/α平面內(nèi)的位置以確定地物散射類型,并采取Wishart分類器進(jìn)行聚合分類。由于極化散射矩陣服從多變量復(fù)Wishart分布且不易受到極化定標(biāo)的影響,因此由復(fù)Wishart概率密度函數(shù)建立的Wishart距離估計(jì)在極化SAR分類應(yīng)用中非常穩(wěn)健且易于使用。在H/α/Wishart分類結(jié)果中引入反熵后豐富了極化信息,改善了相似的自然地物聚類可能跨越?jīng)Q策平面邊界被隨機(jī)分配到不同類別的情況,使得分類結(jié)果圖像噪聲減小,類別細(xì)致,精度提高。2、研究區(qū)內(nèi)微波散射模型的適用性討論。不同的微波散射模型適用于不同程度的地表粗糙度尺度范圍,小擾動(dòng)模型適用于相對(duì)平滑的地表,定量描述為kh00.3,k L3,s3;Oh模型適用的粗糙度范圍較廣,定量描述為0.1kh06,2.5k L20�？紤]到實(shí)際情況并結(jié)合前人研究成果,論文反演了研究區(qū)內(nèi)的粗糙度參數(shù)——均方根高度h0、均方根坡度s和相關(guān)長度L,證明了就粗糙程度而言所選模型適用于相應(yīng)研究區(qū)。3、論文簡(jiǎn)化了小擾動(dòng)模型,并利用簡(jiǎn)化后的模型反演了相對(duì)介電常數(shù)現(xiàn)有小擾動(dòng)模型涉及了各極化后向散射系數(shù)、介電常數(shù)、磁導(dǎo)率、均方根高度、光譜密度、菲尼爾反射率、掩映函數(shù)、雷達(dá)入射角、波數(shù)等諸多參數(shù),不便于計(jì)算待求物理量。在研究模型的過程中發(fā)現(xiàn)將水平極化后向散射系數(shù)方程與垂直極化后向散射系數(shù)方程做比值運(yùn)算后可以簡(jiǎn)化反演過程。通過對(duì)物體導(dǎo)磁性的研究并結(jié)合前人已有研究成果,將磁導(dǎo)率取值常數(shù)1后模型僅為同極化率、波數(shù)、入射角與相對(duì)介電常數(shù)間的關(guān)系。利用簡(jiǎn)化后的小擾動(dòng)模型反演的相對(duì)介電常數(shù)結(jié)果與研究區(qū)實(shí)際介電情況較吻合。4、討論了Oh模型介電常數(shù)反演結(jié)果與巖性間的關(guān)系,并初步證明Oh模型適用于淺雪覆蓋區(qū)。對(duì)比區(qū)域巖性地質(zhì)圖,發(fā)現(xiàn)Oh模型介電常數(shù)反演結(jié)果對(duì)紅色花崗巖的分辨情況較好,其邊界與巖性圖中紅色花崗巖邊界形狀較為吻合,總體呈高值分布。然而其他巖性的介電情況區(qū)分并不明顯,這可能受到當(dāng)時(shí)地表實(shí)際情況(如植被及積雪等)影響。論文利用同時(shí)相Landsat7衛(wèi)星的742波段合成影像進(jìn)行對(duì)比觀察,發(fā)現(xiàn)ALOS衛(wèi)星過境時(shí)研究區(qū)部分區(qū)域被積雪覆蓋,因此筆者嘗試將Oh模型應(yīng)用在淺雪覆蓋區(qū)。研究結(jié)果表明積雪覆蓋區(qū)的介電常數(shù)值較低,融化區(qū)的介電常數(shù)較高,這可能是由于干雪的介電常數(shù)較小,雪融化后的土壤濕度增大導(dǎo)致了介電常數(shù)值的變化。通過野外采集的巖石樣本驗(yàn)證了介電常數(shù)反演誤差絕對(duì)值在10%左右,初步證明Oh模型可以用于淺雪覆蓋區(qū)的相對(duì)介電常數(shù)反演。
[Abstract]:In this paper , we study the applicability of polarimetric SAR system in the field of polarimetric SAR classification . The paper selects Xingcheng district of Liaoning Province as the research area , and it is very robust and easy to use in the field of polarimetric SAR classification . In the process of studying the model , the relationship between the inversion result of the dielectric constant and the relative permittivity can be simplified .

【學(xué)位授予單位】：吉林大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TN957.52

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 李良軍;武彥斌;;開采沉陷遙感監(jiān)測(cè)中多維紋理特征影像分類方法[J];煤田地質(zhì)與勘探;2008年06期

2 常新盼;鄧喀中;王行風(fēng);;極化SAR影像分類方法研究[J];測(cè)繪信息與工程;2010年04期

3 劉瑞;陳小濤;;城郊地區(qū)面向?qū)ο蟮亩鄠鞲衅饔跋穹诸怺J];測(cè)繪與空間地理信息;2013年02期

4 趙銀娣;張良培;李平湘;;廣義馬爾可夫隨機(jī)場(chǎng)及其在多光譜紋理影像分類中的應(yīng)用[J];遙感學(xué)報(bào);2006年01期

5 秦永;宋偉東;;遙感影像特征提取與選擇及在影像分類中的應(yīng)用[J];測(cè)繪科學(xué);2008年01期

6 王曉玲;杜培軍;;基于形態(tài)學(xué)的空間信息和光譜信息SVM影像分類[J];測(cè)繪通報(bào);2012年12期

7 李明詩,彭世揆,李海濤,王洪良;從遙感TM影像分類圖提取小班界限的算法實(shí)現(xiàn)[J];南京林業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版);2001年05期

8 鐘燕飛;張良培;龔健雅;李平湘;;基于資源限制性人工免疫系統(tǒng)的多光譜遙感影像分類方法[J];武漢大學(xué)學(xué)報(bào)(信息科學(xué)版);2006年01期

9 余潔;劉振宇;燕琴;朱騰;;多尺度下的半自動(dòng)面向?qū)ο骃AR影像分類[J];武漢大學(xué)學(xué)報(bào)(信息科學(xué)版);2013年03期

10 李淼;張繼賢;張永紅;;支持向量機(jī)在MODIS影像分類中的方法研究[J];測(cè)繪與空間地理信息;2007年03期

相關(guān)會(huì)議論文 前1條

1 陳富龍;張紅;王超;;基于智能CASE庫的多時(shí)相SAR影像分類方法[A];第二屆微波遙感技術(shù)研討會(huì)摘要全集[C];2006年

相關(guān)碩士學(xué)位論文 前9條

1 張晨曦;基于全極化SAR數(shù)據(jù)的影像分類與介電信息提取[D];吉林大學(xué);2016年

2 劉岳;基于詞袋模型的醫(yī)學(xué)影像分類的研究與實(shí)現(xiàn)[D];東北大學(xué);2012年

3 周國瓊;面向?qū)ο蟮腡M影像分類[D];昆明理工大學(xué);2012年

4 項(xiàng)霞;基于最小二乘支持向量機(jī)的多光譜遙感影像分類[D];武漢大學(xué);2005年

5 謝春喜;極化SAR影像分類方法研究[D];遼寧工程技術(shù)大學(xué);2008年

6 秦高峰;基于機(jī)器學(xué)習(xí)的多光譜遙感影像分類及城市擴(kuò)展研究[D];重慶大學(xué);2012年

7 付姣;基于紋理和極化特征的SAR影像分類[D];遼寧工程技術(shù)大學(xué);2013年

8 李琳;決策樹與SVM相結(jié)合的影像分類方法研究[D];中國地質(zhì)大學(xué)（北京）;2009年

9 李蘭;基于有限混合模型的極化SAR影像分類方法研究[D];西安科技大學(xué);2013年

，

本文編號(hào)：1376327