本文選題：高分辨率 + PolSAR圖像分類　； 參考：《電子科技大學(xué)》2017年碩士論文

【摘要】：作為極化SAR圖像解譯中的基本方法之一,極化SAR圖像分類處理同樣也是極化SAR成像技術(shù)邁向?qū)嶋H工程應(yīng)用的重要步驟,因而日益成為研究人員探討的熱點(diǎn)問題。極化SAR傳感器呈現(xiàn)出的其中一個關(guān)鍵技術(shù)方向是系統(tǒng)分辨率的顯著提升。分辨率的提升帶來更加豐富特征信息的同時也向極化SAR圖像處理制造了新的麻煩。高分辨率極化SAR圖像的空間結(jié)構(gòu)信息更明顯、地物起伏更劇烈、統(tǒng)計特性發(fā)生改變、數(shù)據(jù)量迅速增大、場景更為復(fù)雜等問題,使得原本中低分辨率前提下的各類極化SAR圖像分類算法已不能適應(yīng)高分辨率極化SAR圖像中的實際應(yīng)用需要。本文從現(xiàn)有的圖像處理方式出發(fā),針對上述情況,研究了適用于高分辨率極化SAR圖像的分類算法。論文的具體研究內(nèi)容主要包括如下四個方面:1.研究了包含綜合后向散射信息的極化特征構(gòu)建方法。高分辨率極化SAR圖像地物起伏劇烈,傳統(tǒng)的單一極化參量無法全面描述地物細(xì)節(jié)特性。經(jīng)過極化代數(shù)運(yùn)算或極化目標(biāo)分解兩類方法提取的極化特征,從不同角度解譯了極化SAR數(shù)據(jù)。將它們收集起來共同組建高維極化特征空間,可以獲取綜合的回波散射信息。2.根據(jù)紋理結(jié)構(gòu)信息更明顯的特質(zhì),在高分辨率極化SAR圖像分類中引入空間特征。為了有效捕獲極化SAR圖像的空間信息,選取了Gabor、MP、AP這三種特征。并在提取空間特征前計算SPAN基圖像作為預(yù)處理手段以克服極化SAR圖像固有相干斑噪聲的影響。本文通過實驗驗證了空間特征作用于高分辨率極化SAR圖像進(jìn)行分類的有效性。3.將結(jié)合辨別分析與流形學(xué)習(xí)的LPDA算法作用于高分辨率極化SAR圖像分類中,以解決待處理數(shù)據(jù)量增大的難題。該方法通過在一定準(zhǔn)則下將特征向量的結(jié)構(gòu)最優(yōu)化,來保留類內(nèi)流形結(jié)構(gòu)并使類間可分性最大。實驗證明,該降維算法能夠在減少冗余的同時保持原有高維特征的分類正確性。4.面對高分辨率條件下極化SAR圖像場景復(fù)雜性加大的情況,本文探討了將極化特性與空間特性相結(jié)合為分類所用的算法。其中如何將兩類特性結(jié)合的難題是采用信息融合技術(shù)解決的。兩種融合策略被考慮,分別是基于特征級與決策級。第一種策略中,每個像素上兩類特征向量首先通過矢量疊加或構(gòu)造復(fù)合核函數(shù)結(jié)合在一起,再由一個SVM獲得分類結(jié)果;第二種策略中,極化SAR圖像首先由極化特征和空間特征分別進(jìn)行分類,再將分類結(jié)果結(jié)合著給出最終分類圖。實驗結(jié)果證明了結(jié)合極化及空間信息為高分辨率極化SAR圖像進(jìn)行分類的優(yōu)效性。
[Abstract]:As one of the basic methods in polarimetric SAR image interpretation, polarimetric SAR image classification and processing is also an important step of polarimetric SAR imaging technology towards practical engineering applications. One of the key technologies presented by polarimetric SAR sensors is the significant improvement of system resolution. The enhancement of resolution not only enriches the feature information, but also makes new trouble for polarimetric SAR image processing. The spatial structure information of high-resolution polarimetric SAR images is more obvious, the ground objects fluctuate more violently, the statistical characteristics change, the data volume increases rapidly, the scene becomes more complex and so on. All kinds of polarimetric SAR image classification algorithms based on low resolution and low resolution can no longer meet the needs of practical applications in high-resolution polarimetric SAR images. Based on the existing image processing methods, a classification algorithm for high resolution polarimetric SAR images is studied in this paper. The specific research contents of the thesis mainly include the following four aspects: 1. A method for constructing polarization features with integrated backscattering information is studied. High resolution polarimetric SAR images fluctuate dramatically, and the traditional single polarization parameter can not fully describe the detailed features of the ground objects. Polarimetric SAR data are interpreted from different angles by polarimetric algebraic operation or polarimetric target decomposition. When they are collected together to form a high dimensional polarization feature space, the integrated echo scattering information. 2. 2 can be obtained. Spatial features are introduced into high resolution polarimetric SAR image classification according to the more obvious characteristics of texture structure information. In order to capture the spatial information of polarimetric SAR image effectively, three features of Gabor-MPO AP are selected. In order to overcome the influence of the inherent speckle noise in polarimetric SAR images, the span based image is calculated as a preprocessing method before extracting the spatial features. In this paper, the effectiveness of spatial feature in high resolution polarimetric SAR image classification is verified by experiments. The LPDA algorithm combined with discrimination analysis and manifold learning is applied to the classification of high-resolution polarimetric SAR images to solve the problem of increasing the amount of data to be processed. By optimizing the structure of the eigenvector under certain criteria, the method preserves the structure of the inner manifold and maximizes the separability among classes. Experiments show that the algorithm can reduce redundancy and maintain the classification correctness of the original high-dimensional features. In view of the complexity of polarimetric SAR images under the condition of high resolution, this paper discusses the algorithm of combining polarization characteristics with spatial characteristics to classify SAR images. The problem of how to combine the two kinds of characteristics is solved by information fusion technology. Two fusion strategies are considered, one is based on feature level and the other is based on decision level. In the first strategy, two kinds of Eigenvectors on each pixel are first combined by vector superposition or by constructing a composite kernel function, and then a SVM is used to obtain the classification results; in the second strategy, Polarimetric SAR images are classified by polarimetric features and spatial features respectively, and then the classification results are combined to give the final classification map. The experimental results show that the high resolution polarimetric SAR images can be classified with polarimetric and spatial information.
【學(xué)位授予單位】：電子科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：TN957.52

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 孺子牛;;新的高分辨率透明非銀光刻版[J];半導(dǎo)體情報;1971年12期

2 竹懷;;甚高分辨率輻射計[J];激光與紅外;1975年11期

3 段新昱;;對于高分辨率心臟信號進(jìn)行平均的補(bǔ)償方法:一種對于性能的比較研究[J];國外醫(yī)學(xué).生物醫(yī)學(xué)工程分冊;1992年02期

4 趙爭,張繼賢,黃國滿,曹銀璇,仇春平,王榮彬;基于高分辨率機(jī)載SAR數(shù)據(jù)的試驗研究[J];測繪科學(xué);2004年06期

5 陸大;;雙顯示 爸媽不犯愁[J];電腦愛好者;2010年04期

6 林幼權(quán);;星載高分辨率寬幅成像技術(shù)分析[J];現(xiàn)代雷達(dá);2011年01期

7 李德仁;;高分辨率對地觀測技術(shù)在智慧城市中的應(yīng)用[J];測繪地理信息;2013年06期

8 順迎;;雙光束高分辨率錄象[J];激光與紅外;1974年03期

9 盛磊;劉小平;;高分辨率寬觀測帶星載SAR技術(shù)研究[J];雷達(dá)科學(xué)與技術(shù);2013年02期

10 金銳;;小屏幕高分辨率袖珍電視機(jī)[J];光電子學(xué)技術(shù);1985年04期

相關(guān)會議論文 前10條

1 黃鶴橋;魏明建;李虎侯;;熱釋光技術(shù)測定洛川秦家寨全新世黃土剖面高分辨率年代序列方法初探[A];第十屆全國固體核徑跡學(xué)術(shù)會議論文集[C];2009年

2 諶桂萍;許喬;張蓉竹;;高分辨率波前檢測技術(shù)[A];中國工程物理研究院科技年報（2003）[C];2003年

3 鄭海紅;曾平;;一種基于圖像分類的逆半調(diào)算法[A];’2004計算機(jī)應(yīng)用技術(shù)交流會議論文集[C];2004年

4 梁春利;李名松;全旭東;;在水電工程區(qū)域構(gòu)造穩(wěn)定性評價中高分辨率衛(wèi)星遙感技術(shù)的應(yīng)用方法研究[A];第十五屆全國遙感技術(shù)學(xué)術(shù)交流會論文摘要集[C];2005年

5 諶桂萍;許喬;雷向陽;;高分辨率波前檢測技術(shù)[A];中國工程物理研究院科技年報（2005）[C];2005年

6 文振q;歐陽杰;朱為總;;基于語義特征與支持向量機(jī)的圖像分類[A];中國電子學(xué)會第十六屆信息論學(xué)術(shù)年會論文集[C];2009年

7 萬可友;張子斌;翟利華;李梅;;高通過率高分辨率特征X熒光峰現(xiàn)場檢測儀的研制[A];第十屆全國核電子學(xué)與核探測技術(shù)學(xué)術(shù)年會論文集[C];2000年

8 王海峰;管亮;;基于顏色特征的圖像分類技術(shù)在油品分析中的應(yīng)用[A];中國儀器儀表學(xué)會第六屆青年學(xué)術(shù)會議論文集[C];2004年

9 王號;劉耀林;喬朝飛;;利用高分辨率衛(wèi)星遙感影像的土地利用現(xiàn)狀調(diào)查技術(shù)研究——以上海市為例[A];第十五屆全國遙感技術(shù)學(xué)術(shù)交流會論文摘要集[C];2005年

10 任翠霞;李立誠;孫躍峰;;疊后高分辨率處理效果分析[A];“慶賀郭宗汾教授八十壽辰”暨理論與應(yīng)用地球物理研討會論文集[C];2002年

相關(guān)重要報紙文章 前9條

1 汪凌;日益成熟的美國商業(yè)高分辨率衛(wèi)星遙感技術(shù)[N];中國測繪報;2007年

2 彭冬梅;高分辨率處理技術(shù)[N];中國石油報;2004年

3 汪凌;謀求新發(fā)展的法國航天遙感[N];中國測繪報;2007年

4 Mike Elgan Computerworld專欄作者;超高清屏幕如何改變一切?[N];計算機(jī)世界;2013年

5 陳蕾;康耐視推出具有彩色和高分辨率增強(qiáng)功能的OmniView 360°檢驗系統(tǒng)[N];中國包裝報;2010年

6 駐京記者 孫書博;VCT開辟無創(chuàng)影像診斷新天地[N];醫(yī)藥經(jīng)濟(jì)報;2005年

7 羅建東邋特約記者 于秀梅;吐哈錄井工程公司推廣應(yīng)用高分辨率巖心掃描技術(shù)[N];中國石油報;2007年

8 記者 郭影 特約記者 閆景祿;“虎”踞“龍”盤天山下[N];中國石油報;2005年

9 胡智海 廈門通維資訊有限公司產(chǎn)品總監(jiān);哪些手機(jī)適合饑渴營銷?[N];通信產(chǎn)業(yè)報;2011年

相關(guān)博士學(xué)位論文 前10條

1 蔣厚軍;高分辨率星載InSAR技術(shù)在DEM生成及更新中的應(yīng)用研究[D];武漢大學(xué);2012年

2 劉麗玲;星載掃描微波散射計方位向高分辨率處理方法研究[D];中國科學(xué)院國家空間科學(xué)中心;2017年

3 熊宸;高分辨率離面位移檢測中的若干問題研究[D];中國科學(xué)技術(shù)大學(xué);2017年

4 張正加;高分辨率SAR數(shù)據(jù)青藏高原凍土環(huán)境與工程應(yīng)用研究[D];中國科學(xué)院大學(xué)(中國科學(xué)院遙感與數(shù)字地球研究所);2017年

5 張?zhí)N靈;基于單幅高分辨率星載SAR影像的交通災(zāi)害信息提取方法研究[D];中國科學(xué)院大學(xué)(中國科學(xué)院遙感與數(shù)字地球研究所);2017年

6 于新菊;圖譜耦合的高分辨率城市精細(xì)不透水面提取方法研究[D];中國科學(xué)院大學(xué)(中國科學(xué)院遙感與數(shù)字地球研究所);2016年

7 胡堯;基于低秩矩陣估計的機(jī)器學(xué)習(xí)算法分析[D];浙江大學(xué);2015年

8 李昌英(Ri ChangYong);基于上下文信息的語義圖像分類研究[D];浙江大學(xué);2014年

9 陳博;基于集成學(xué)習(xí)和特征選擇的極化SAR地物分類[D];西安電子科技大學(xué);2015年

10 王曉東;基于稀疏特征學(xué)習(xí)的復(fù)雜圖像分類[D];西安電子科技大學(xué);2014年

相關(guān)碩士學(xué)位論文 前10條

1 丁堯;基于多特征融合的高分辨率極化SAR圖像分類方法研究[D];電子科技大學(xué);2017年

2 王如意;基于SBAS-InSAR的高分辨率地面沉降監(jiān)測技術(shù)研究[D];中國地質(zhì)大學(xué)(北京);2015年

3 王心雨;高分辨率數(shù)據(jù)用于西安市地面沉降的InSAR監(jiān)測研究[D];長安大學(xué);2015年

4 陳曉勇;高速高分辨率ADC的測試研究[D];復(fù)旦大學(xué);2014年

5 關(guān)少奇;共心寬視場高分辨率成像儀硬件設(shè)計[D];西安電子科技大學(xué);2014年

6 劉奇;高分辨率小動物PET成像平臺的構(gòu)建及實驗研究[D];蘭州大學(xué);2016年

7 孫艷坤;探地雷達(dá)有限差分模擬與高分辨率處理方法研究[D];福州大學(xué);2014年

8 陶遠(yuǎn)榮;高幀頻高分辨率CMOS相機(jī)系統(tǒng)[D];南京理工大學(xué);2016年

9 侯蘇麗;基于流形正則化和稀疏編碼的醫(yī)學(xué)圖像高分辨率重建[D];重慶郵電大學(xué);2016年

10 秦寶;多發(fā)多收SAL高分辨率寬測繪帶成像技術(shù)的研究[D];西安電子科技大學(xué);2015年

，

本文編號：2095996