本文選題：張量 + 結(jié)構(gòu)張量�。� 參考：《電子科技大學(xué)》2017年碩士論文

【摘要】：由于張量能夠很好地表征高維數(shù)據(jù),能夠有效保留多維數(shù)據(jù)之間的結(jié)構(gòu)信息,所以張量分析技術(shù)在多維遙感圖像分類算法研究中具有重要意義。極化合成孔徑雷達(dá)(Synthetic Aperture Radar,SAR)是一種具有代表性的多維遙感成像技術(shù)。為此,本文研究了基于張量分析的極化SAR邊緣檢測和分類方法。主要完成以下幾個(gè)工作:提出了基于加權(quán)結(jié)構(gòu)張量的極化SAR邊緣檢測方法:傳統(tǒng)的極化SAR邊緣檢測方法通常沿襲于SAR邊緣檢測,在檢測效果上并不理想。本文首先研究了基于平均加權(quán)結(jié)構(gòu)張量進(jìn)行極化SAR邊緣檢測的方法。該方法通過平均加權(quán)的方法融合各圖像通道的結(jié)構(gòu)張量,其本質(zhì)是認(rèn)為每個(gè)通道提供等量的邊緣信息量。進(jìn)而,本文提出一種基于特征值度量的加權(quán)結(jié)構(gòu)張量的極化SAR邊緣檢測方法。該方法利用特征值的方式充分度量了每個(gè)圖像通道的邊緣信息量,以此融合得到最終的多通道結(jié)構(gòu)張量。實(shí)際數(shù)據(jù)處理結(jié)果表明:相比于傳統(tǒng)的極化SAR邊緣檢測方法,本文提出的基于加權(quán)結(jié)構(gòu)張量的極化SAR邊緣檢測方法可以獲得更好的邊緣檢測結(jié)果。提出了極化SAR樣本點(diǎn)的高階表示形式并將秩一支持張量機(jī)應(yīng)用于極化SAR圖像分類:極化SAR圖像分類的特征量通常由目標(biāo)極化分解得到。同一分解機(jī)制往往能夠得到若干特征量,因此所有分解方法得到的特征量集合存在結(jié)構(gòu)關(guān)系。傳統(tǒng)的極化SAR分類方法將這些特征量排列成向量的形式,這必然破壞了特征量之間的結(jié)構(gòu)關(guān)系,導(dǎo)致分類性能較差。為了避免這一問題,本文研究了極化SAR數(shù)據(jù)的高階表示形式�；谝陨戏治�,本文還將秩一支持張量機(jī)應(yīng)用于極化SAR圖像分類,實(shí)驗(yàn)結(jié)果表明,本文提出的極化SAR高階表示形式的確能夠利用結(jié)構(gòu)信息,取得更好的分類結(jié)果。
[Abstract]:Because Zhang Liang can well represent high-dimensional data and effectively retain the structural information between multidimensional data, Zhang Liang analysis technology is of great significance in the research of multi-dimensional remote sensing image classification algorithm. Polarimetric synthetic Aperture radar (SAR) is a representative multi-dimensional remote sensing imaging technology. Therefore, the edge detection and classification method based on Zhang Liang analysis is studied in this paper. The main work is as follows: a new edge detection method based on weighted structure Zhang Liang is proposed: the traditional edge detection method is usually based on the Zhang Liang edge detection, but the detection effect is not satisfactory. In this paper, the edge detection method of polarimetric Zhang Liang based on average weighted structure is studied. In this method, the structure Zhang Liang of each image channel is fused by the average weighted method, and the essence of the method is that each channel provides the same amount of edge information. Furthermore, an edge detection method based on eigenvalue metric for weighted Zhang Liang is proposed in this paper. In this method, the edge information of each image channel is fully measured by the eigenvalue method, and the final multi-channel structure Zhang Liang is obtained by fusion. The actual data processing results show that the proposed edge detection method based on weighted structure Zhang Liang can obtain better edge detection results than the traditional polarimetric SAR edge detection method. The high order representation of the polarimetric SAR sample points is proposed and the rank one support Zhang Liang machine is applied to the polarimetric SAR image classification. The characteristic quantity of the polarimetric SAR image classification is usually obtained by the target polarization decomposition. In the same decomposition mechanism, some eigenvalues can be obtained, so the set of eigenvalues obtained by all decomposition methods has a structural relationship. The traditional polarimetric SAR classification method arranges these features into vector form, which inevitably destroys the structural relationship between the features and results in poor classification performance. In order to avoid this problem, the high order representation of polarimetric SAR data is studied in this paper. Based on the above analysis, the rank one support Zhang Liang machine is also applied to the classification of polarimetric Zhang Liang images. The experimental results show that the proposed higher-order representation of polarimetric Zhang Liang can obtain better classification results by using the structure information.
【學(xué)位授予單位】：電子科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：TN957.52

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 宋培華,陸宗騏,高敦岳;基于Log_Prewitt算子的邊緣檢測算法[J];小型微型計(jì)算機(jī)系統(tǒng);2002年11期

2 王宇生,卜佳俊,陳純;一種基于積分變換的邊緣檢測算法[J];中國圖象圖形學(xué)報(bào);2002年02期

3 顧曉東,王曉明,劉健;基于曲線坐標(biāo)系的圖像邊緣檢測[J];計(jì)算機(jī)工程與應(yīng)用;2002年03期

4 何仁貴,黃登山,陳金兵;基于灰色預(yù)測模型的圖像邊緣檢測[J];西北工業(yè)大學(xué)學(xué)報(bào);2005年01期

5 鄭勝,柳健,田金文;基于向量機(jī)的邊緣檢測算法優(yōu)化研究[J];電子與信息學(xué)報(bào);2005年05期

6 王娜,李霞;一種新的改進(jìn)Canny邊緣檢測算法[J];深圳大學(xué)學(xué)報(bào);2005年02期

7 王文豪;;圖象邊緣檢測中邊界閉合性的分析與探討[J];計(jì)算機(jī)與信息技術(shù);2005年12期

8 劉軍;姚子建;;用邊緣檢測算子實(shí)現(xiàn)圖像邊緣檢測[J];福建電腦;2006年02期

9 李葆青;文山;;邊緣檢測準(zhǔn)則與幾種典型算法[J];六盤水師范高等�？茖W(xué)校學(xué)報(bào);2006年03期

10 鄭子華;陳家禎;鐘躍康;;基于灰色加權(quán)絕對(duì)關(guān)聯(lián)度的邊緣檢測算法[J];電腦知識(shí)與技術(shù);2006年20期

相關(guān)會(huì)議論文 前10條

1 王巖;勒中鑫;;邊緣檢測中幾種方法的比較[A];1998年中國智能自動(dòng)化學(xué)術(shù)會(huì)議論文集（下冊）[C];1998年

2 孟偉;王秀澤;張巖;;離散Canny邊緣檢測算法的實(shí)現(xiàn)[A];走近CIE 26th——中國照明學(xué)會(huì)（2005）學(xué)術(shù)年會(huì)論文集[C];2005年

3 周勝靈;丁珠玉;;農(nóng)產(chǎn)品邊緣檢測系統(tǒng)研究[A];中國農(nóng)業(yè)工程學(xué)會(huì)2011年學(xué)術(shù)年會(huì)論文集[C];2011年

4 任獲榮;楊夏穎;何培培;孫建維;高敏;;邊緣檢測技術(shù)發(fā)展現(xiàn)狀及其在零件識(shí)別中的應(yīng)用綜述[A];第三屆數(shù)控機(jī)床與自動(dòng)化技術(shù)專家論壇論文集[C];2012年

5 王巖;勒中鑫;;幾種邊緣檢測方法及其比較[A];中國圖象圖形科學(xué)技術(shù)新進(jìn)展——第九屆全國圖象圖形科技大會(huì)論文集[C];1998年

6 葉樂軍;王強(qiáng);;基于自適應(yīng)邊緣檢測的大空間火災(zāi)目標(biāo)監(jiān)測技術(shù)[A];中國職業(yè)安全健康協(xié)會(huì)2007年學(xué)術(shù)年會(huì)論文集[C];2007年

7 沈亮;潘德爐;王迪峰;;機(jī)載多通道掃描儀圖像的邊緣檢測初步研究[A];2008中國儀器儀表與測控技術(shù)進(jìn)展大會(huì)論文集（Ⅰ）[C];2008年

8 李文輝;郭寧寧;郝鑫;;優(yōu)化邊緣檢測的分析和解決方案[A];“加入WTO和科學(xué)技術(shù)與吉林經(jīng)濟(jì)發(fā)展——機(jī)遇·挑戰(zhàn)·責(zé)任”吉林省第二屆科學(xué)技術(shù)學(xué)術(shù)年會(huì)論文集（上）[C];2002年

9 王培珍;孟祥昊;張克;鄭詩程;潘瑞雪;;板材圖像邊緣檢測算法研究[A];第25屆中國控制與決策會(huì)議論文集[C];2013年

10 王海嵐;樊紹勝;;一種改進(jìn)的模糊形態(tài)學(xué)邊緣檢測算法[A];中國自動(dòng)化學(xué)會(huì)中南六省（區(qū)）2010年第28屆年會(huì)·論文集[C];2010年

相關(guān)博士學(xué)位論文 前10條

1 高宇飛;基于張量分解的參數(shù)估計(jì)方法及其應(yīng)用[D];電子科技大學(xué);2017年

2 張建光;多媒體分析中的半監(jiān)督和張量學(xué)習(xí)的研究[D];天津大學(xué);2016年

3 孫麗珠;張量譜半徑的界及張量廣義逆研究[D];哈爾濱工業(yè)大學(xué);2017年

4 董少鈞;張量網(wǎng)絡(luò)算法從玻色子系統(tǒng)到費(fèi)米子系統(tǒng)[D];中國科學(xué)技術(shù)大學(xué);2017年

5 張敏;稀疏恢復(fù)問題中精確恢復(fù)條件的研究[D];天津大學(xué);2016年

6 吳應(yīng)江;基于多核學(xué)習(xí)的疑似AD腦MRI影像分類算法[D];貴州大學(xué);2017年

7 劉洪;張量框架下模糊圖像盲復(fù)原算法研究[D];貴州大學(xué);2017年

8 李揚(yáng)清;基于近似消息傳遞的結(jié)構(gòu)化信號(hào)處理算法及應(yīng)用研究[D];北京郵電大學(xué);2017年

9 謝巍;形態(tài)學(xué)分析方法及在圖像特征提取中的應(yīng)用[D];哈爾濱工程大學(xué);2014年

10 磨少清;邊緣檢測及其評(píng)價(jià)方法的研究[D];天津大學(xué);2011年

相關(guān)碩士學(xué)位論文 前10條

1 陳治州;基于張量信號(hào)處理的極化SAR分類算法研究[D];電子科技大學(xué);2017年

2 童永會(huì);張量規(guī)范型分解問題及對(duì)稱張量廣義特征值問題的優(yōu)化算法研究[D];湘潭大學(xué);2017年

3 王大安;基于張量的人臉識(shí)別算法研究[D];杭州電子科技大學(xué);2017年

4 張凱麗;基于強(qiáng)H-張量的齊次多項(xiàng)式正定性的判定算法研究[D];曲阜師范大學(xué);2017年

5 任卿龍;基于支持張量機(jī)的遙感圖像目標(biāo)分級(jí)識(shí)別研究[D];哈爾濱工業(yè)大學(xué);2017年

6 姜丹丹;張量奇異值及高階奇異值分解具有的若干性質(zhì)[D];哈爾濱工業(yè)大學(xué);2017年

7 趙文;Max半環(huán)上張量的分解[D];哈爾濱工業(yè)大學(xué);2017年

8 何云松;基于矩張量的巖石破裂微觀機(jī)制聲發(fā)射研究[D];成都理工大學(xué);2017年

9 彭立宇;基于高階張量的多屬性壓縮融合體繪制方法研究[D];電子科技大學(xué);2017年

10 李波;基于張量分解的癌癥亞型分析算法的研究[D];哈爾濱工業(yè)大學(xué);2017年

，

本文編號(hào)：2016672