本文關(guān)鍵詞：基于特征學(xué)習(xí)和低秩分解的極化SAR圖像分割

  更多相關(guān)文章： 極化SAR 區(qū)域圖 低秩分解 直方圖統(tǒng)計(jì) 反卷積網(wǎng)絡(luò)

【摘要】：極化合成孔徑雷達(dá)具有不受外界氣候和環(huán)境條件的限制進(jìn)行全天時(shí)全天候觀測(cè)的特點(diǎn),極化SAR圖像分割是極化SAR圖像處理和解譯的重要組成部分,分割質(zhì)量的好壞直接影響到后續(xù)的極化SAR目標(biāo)檢測(cè)和識(shí)別的準(zhǔn)確度。傳統(tǒng)的極化SAR圖像分割的方法采用的都是基于像素點(diǎn)的特征,沒(méi)有考慮到像素之間所具有的結(jié)構(gòu)和空間關(guān)系特征,分割結(jié)果的區(qū)域一致性不好。本文在極化SAR區(qū)域圖的基礎(chǔ)上,利用低秩分解和反卷積網(wǎng)絡(luò)對(duì)像素之間的結(jié)構(gòu)關(guān)系特征進(jìn)行提取,主要的研究成果如下:1)提出了一種基于低秩分解和直方圖統(tǒng)計(jì)信息的極化SAR圖像分割方法。首先提取極化SAR圖像的區(qū)域圖,通過(guò)對(duì)極化SAR圖像區(qū)域圖的聚集區(qū)域、勻質(zhì)區(qū)域和結(jié)構(gòu)區(qū)域分別進(jìn)行分割操作,得到最終的分割結(jié)果。針對(duì)聚集區(qū)域中的地物具有很強(qiáng)的聚集性和低秩結(jié)構(gòu)關(guān)系的特點(diǎn),采用低秩分解模型對(duì)空間上不連通的各個(gè)聚集區(qū)域中提取的樣本分別進(jìn)行低秩分解并對(duì)低秩分解的低秩部分進(jìn)行直方圖統(tǒng)計(jì),采用巴氏距離求取不同聚集區(qū)域之間直方圖統(tǒng)計(jì)的距離并構(gòu)造相似性矩陣,最后利用構(gòu)造的相似性矩陣采用基于圖割的譜聚類的方法對(duì)相似的聚集區(qū)域進(jìn)行合并得到最終的聚集區(qū)域的分割結(jié)果。由于勻質(zhì)區(qū)域不具有明顯的結(jié)構(gòu)關(guān)系,對(duì)勻質(zhì)區(qū)域采用H/α/A-wishart的分割方法進(jìn)行分割。對(duì)結(jié)構(gòu)區(qū)域使用分水嶺和基于Wishart距離的超像素合并的方法進(jìn)行分割,并將分割結(jié)果和聚集區(qū)域以及勻質(zhì)區(qū)域的分割結(jié)果進(jìn)行合并得到最終的分割結(jié)果。2)提出了一種基于反卷積網(wǎng)絡(luò)和稀疏表示的極化SAR圖像分割方法。首先提取極化SAR圖像的區(qū)域圖,對(duì)極化SAR圖像進(jìn)行Pauli分解,得到表示極化SAR圖像相干矩陣對(duì)角線三元素幅度值和上三角陣三元素相位值的圖像,利用提取到的幅度和相位值的樣本分別訓(xùn)練一個(gè)4層反卷積網(wǎng)絡(luò),對(duì)每個(gè)聚集區(qū)域幅度的濾波器組和相位的濾波器組進(jìn)行合并,利用每個(gè)聚集區(qū)域的合并的濾波器組構(gòu)造字典,將每個(gè)聚集區(qū)域的濾波器對(duì)構(gòu)造的字典分別進(jìn)行投影,并求取投影的平均值作為該聚集區(qū)域的區(qū)域特征向量,求取每?jī)蓚�(gè)聚集區(qū)域之間的區(qū)域特征向量的余弦距離并構(gòu)造相似性矩陣,最后利用相似性矩陣采用基于圖割的譜聚類的方法進(jìn)行分割,得到最終的聚集區(qū)域分割結(jié)果。該方法主要是針對(duì)聚集區(qū)域進(jìn)行操作的,對(duì)于勻質(zhì)區(qū)域采用H/α/A-wishart的分割方法進(jìn)行分割,對(duì)結(jié)構(gòu)區(qū)域使用分水嶺和基于Wishart距離的超像素合并的方法進(jìn)行分割,最后將聚集區(qū)域、勻質(zhì)區(qū)域和結(jié)構(gòu)區(qū)域的分割結(jié)果進(jìn)行合并得到最終的極化SAR圖像的分割結(jié)果。
【關(guān)鍵詞】：極化SAR 區(qū)域圖 低秩分解 直方圖統(tǒng)計(jì) 反卷積網(wǎng)絡(luò)
【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】：2016
【分類號(hào)】：TN957.52
【目錄】：

• 摘要5-6
• ABSTRACT6-9
• 符號(hào)對(duì)照表9-10
• 縮略語(yǔ)對(duì)照表10-13
• 第一章 緒論13-19
• 1.1 研究背景及意義13
• 1.2 極化SAR圖像分割的研究現(xiàn)狀和進(jìn)展13-16
• 1.2.1 極化SAR圖像分割的含義14
• 1.2.2 極化SAR圖像分割方法14-16
• 1.3 論文的主要內(nèi)容和安排16-19
• 第二章 基于素描模型的極化SAR圖像區(qū)域圖提取19-29
• 2.1 極化SAR基礎(chǔ)理論知識(shí)19-22
• 2.1.1 極化的表征19-21
• 2.1.2 極化SAR數(shù)據(jù)的表示21-22
• 2.2 Marr視覺(jué)計(jì)算理論22-23
• 2.3 SAR圖像素描模型23-25
• 2.3.1 初始素描模型23-24
• 2.3.2 SAR圖像素描模型24-25
• 2.4 極化SAR圖像區(qū)域圖提取25-28
• 2.5 本章小結(jié)28-29
• 第三章 基于低秩分解和直方圖統(tǒng)計(jì)的極化SAR圖像分割29-47
• 3.1 引言29
• 3.2 低秩分解模型29-31
• 3.3 極化SAR圖像聚集區(qū)域分割31-35
• 3.3.1 聚集區(qū)域低秩矩陣的構(gòu)造32-33
• 3.3.2 基于直方圖統(tǒng)計(jì)信息和圖割譜聚類的分割方法33-35
• 3.3.3 聚集區(qū)域的分割35
• 3.4 極化SAR圖像結(jié)構(gòu)區(qū)域和勻質(zhì)區(qū)域的分割35-37
• 3.4.1 勻質(zhì)區(qū)域的分割35-37
• 3.4.2 結(jié)構(gòu)區(qū)域的分割37
• 3.5 算法描述37-39
• 3.5.1 算法功能框圖37-38
• 3.5.2 詳細(xì)算法描述38-39
• 3.6 仿真實(shí)驗(yàn)和結(jié)果分析39-45
• 3.6.1 低秩分解及直方圖統(tǒng)計(jì)分析39-42
• 3.6.2 本章實(shí)驗(yàn)結(jié)果分析42-45
• 3.7 本章小結(jié)45-47
• 第四章 基于反卷積網(wǎng)絡(luò)和稀疏表示的極化SAR圖像分割47-59
• 4.1 引言47
• 4.2 反卷積網(wǎng)絡(luò)模型47-48
• 4.3 基于反卷積網(wǎng)絡(luò)的極化SAR區(qū)域特征提取48-50
• 4.4 基于反卷積網(wǎng)絡(luò)濾波器和稀疏表示的分割方法50-52
• 4.5 算法描述52-53
• 4.5.1 算法功能框圖52
• 4.5.2 詳細(xì)算法描述52-53
• 4.6 仿真實(shí)驗(yàn)和結(jié)果分析53-57
• 4.6.1 反卷積網(wǎng)絡(luò)訓(xùn)練結(jié)果圖53-54
• 4.6.2 本章實(shí)驗(yàn)結(jié)果分析54-57
• 4.7 本章小結(jié)57-59
• 第五章 總結(jié)和展望59-61
• 5.1 論文工作總結(jié)59-60
• 5.2 未來(lái)工作展望60-61
• 參考文獻(xiàn)61-65
• 致謝65-67
• 作者簡(jiǎn)介67-68

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 唐偉力;龍建忠;;一種基于降雨模型的圖像分割方法在礫巖圖像分割中的應(yīng)用[J];成都信息工程學(xué)院學(xué)報(bào);2007年02期

2 黃曉莉;曾黃麟;王秀碧;劉永春;;基于脈沖耦合神經(jīng)網(wǎng)絡(luò)的圖像分割[J];信息技術(shù);2008年09期

3 肖飛;綦星光;;圖像分割方法綜述[J];可編程控制器與工廠自動(dòng)化;2009年11期

4 汪一休;;一種交互式圖像分割的修正優(yōu)化方法[J];中國(guó)科學(xué)技術(shù)大學(xué)學(xué)報(bào);2010年02期

5 李丹;;圖像分割方法及其應(yīng)用研究[J];科技信息;2010年36期

6 龔永義;黃輝;于繼明;關(guān)履泰;;基于熵的兩區(qū)域圖像分割[J];中國(guó)圖象圖形學(xué)報(bào);2011年05期

7 張甫;李興來(lái);陳佳君;;淺談圖像分割方法的研究運(yùn)用[J];科技創(chuàng)新與應(yīng)用;2012年04期

8 汪梅;何高明;賀杰;;常見(jiàn)圖像分割的技術(shù)分析與比較[J];計(jì)算機(jī)光盤軟件與應(yīng)用;2013年06期

9 魏慶;盧照敢;邵超;;基于復(fù)雜性指數(shù)的圖像分割必要性判別技術(shù)[J];計(jì)算機(jī)工程與應(yīng)用;2013年16期

10 陳曉丹;李思明;;圖像分割研究進(jìn)展[J];現(xiàn)代計(jì)算機(jī)(專業(yè)版);2013年33期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前10條

1 楊魁;趙志剛;;圖像分割技術(shù)綜述[A];2008年中國(guó)高校通信類院系學(xué)術(shù)研討會(huì)論文集（下冊(cè)）[C];2009年

2 楊暄;郭成安;李建華;;改進(jìn)的脈沖耦合神經(jīng)網(wǎng)絡(luò)及其在圖像分割中的應(yīng)用[A];第十屆全國(guó)信號(hào)處理學(xué)術(shù)年會(huì)（CCSP-2001）論文集[C];2001年

3 楊生友;;圖像分割在醫(yī)學(xué)圖像中應(yīng)用現(xiàn)狀綜述[A];2009中華醫(yī)學(xué)會(huì)影像技術(shù)分會(huì)第十七次全國(guó)學(xué)術(shù)大會(huì)論文集[C];2009年

4 閆平昆;;基于模型的圖像分割技術(shù)及其醫(yī)學(xué)應(yīng)用[A];第十五屆全國(guó)圖象圖形學(xué)學(xué)術(shù)會(huì)議論文集[C];2010年

5 高嵐;胡友為;潘峰;盧凌;;基于小生境遺傳算法的SAR圖像分割[A];可持續(xù)發(fā)展的中國(guó)交通——2005全國(guó)博士生學(xué)術(shù)論壇（交通運(yùn)輸工程學(xué)科）論文集（下冊(cè)）[C];2005年

6 孫莉;張艷寧;胡伏原;趙榮椿;;基于Gaussian-Hermite矩的SAR圖像分割[A];第十三屆全國(guó)圖象圖形學(xué)學(xué)術(shù)會(huì)議論文集[C];2006年

7 李盛;;基于協(xié)同聚類的圖像分割[A];第十四屆全國(guó)圖象圖形學(xué)學(xué)術(shù)會(huì)議論文集[C];2008年

8 張利;許家佗;;舌象圖像分割技術(shù)的研究與應(yīng)用進(jìn)展[A];中華中醫(yī)藥學(xué)會(huì)中醫(yī)診斷學(xué)分會(huì)第十次學(xué)術(shù)研討會(huì)論文集[C];2009年

9 秦昆;李振宇;李輝;李德毅;;基于云模型和格網(wǎng)劃分的圖像分割方法[A];《測(cè)繪通報(bào)》測(cè)繪科學(xué)前沿技術(shù)論壇摘要集[C];2008年

10 高惠琳;竇麗華;陳文頡;謝剛;;圖像分割技術(shù)在醫(yī)學(xué)CT中的應(yīng)用[A];中國(guó)自動(dòng)化學(xué)會(huì)控制理論專業(yè)委員會(huì)A卷[C];2011年

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 白雪飛;基于視覺(jué)顯著性的圖像分割方法研究[D];山西大學(xué);2014年

2 黃萬(wàn)里;基于高分衛(wèi)星數(shù)據(jù)多尺度圖像分割方法的天山森林小班邊界提取研究[D];福建師范大學(xué);2015年

3 王輝;圖像分割的最優(yōu)化和水平集方法研究[D];電子科技大學(xué);2014年

4 高婧婧;腦部MR圖像分割理論研究[D];電子科技大學(xué);2014年

5 潘改;偏微分方程在圖像分割中的應(yīng)用研究[D];東北大學(xué);2013年

6 馮籍瀾;高分辨率SAR圖像分割與分類方法研究[D];電子科技大學(xué);2015年

7 李偉斌;圖像分割中的變分模型與快速算法研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2014年

8 鄧曉政;基于免疫克隆選擇優(yōu)化和譜聚類的復(fù)雜圖像分割[D];西安電子科技大學(xué);2014年

9 帥永e，

本文編號(hào)：593328