發(fā)布時(shí)間：2020-03-19 09:35

【摘要】：合成孔徑雷達(dá)(Synthetic Aperture Radar,SAR)利用微波成像技術(shù),具有全天時(shí)、全天候工作的優(yōu)勢(shì),其已廣泛應(yīng)用于軍用領(lǐng)域和民用領(lǐng)域。SAR圖像地物分類(lèi)是SAR圖像解譯與分析的重要內(nèi)容之一,其目的是分辨出每個(gè)像素點(diǎn)所屬的類(lèi)別信息。隨著SAR成像技術(shù)的快速發(fā)展,SAR圖像從低中分辨率向高分辨率發(fā)展。與傳統(tǒng)低中分辨率SAR圖像相比,高分辨率SAR圖像具有結(jié)構(gòu)信息豐富、場(chǎng)景信息復(fù)雜和數(shù)據(jù)量龐大等顯著特點(diǎn)。因而,傳統(tǒng)低中分辨率的SAR圖像分類(lèi)方法難以滿足高分辨率SAR圖像分類(lèi)的應(yīng)用需求,設(shè)計(jì)有效的分類(lèi)特征是解決高分辨率SAR圖像分類(lèi)問(wèn)題的關(guān)鍵。針對(duì)上述問(wèn)題,本文研究了基于傳統(tǒng)紋理特征的SAR圖像地物分類(lèi)方法、基于卷積神經(jīng)網(wǎng)絡(luò)的SAR圖像地物分類(lèi)方法、基于超像素分割和卷積反卷積網(wǎng)絡(luò)的SAR圖像地物分類(lèi)方法以及基于生成對(duì)抗網(wǎng)絡(luò)的SAR圖像地物分類(lèi)方法。本論文內(nèi)容安排如下:1.介紹了SAR圖像地物分類(lèi)的研究背景及意義、國(guó)內(nèi)外研究現(xiàn)狀、深度學(xué)習(xí)發(fā)展概況和本文主要研究?jī)?nèi)容及結(jié)構(gòu)安排。2.研究了基于紋理特征的SAR圖像地物分類(lèi)方法。首先,簡(jiǎn)要地介紹了常見(jiàn)的紋理特征。然后,對(duì)多級(jí)局部模式直方圖紋理特征的提取方法進(jìn)行了詳細(xì)地闡述,其可分為圖像量化、模式矩陣分裂和直方圖計(jì)算與合并三個(gè)步驟。最后,使用實(shí)測(cè)SAR數(shù)據(jù)進(jìn)行了算法仿真,驗(yàn)證該算法的有效性。3.研究了基于深度卷積神經(jīng)網(wǎng)絡(luò)的SAR圖像地物分類(lèi)方法。首先,介紹了深度學(xué)習(xí)的基礎(chǔ)理論知識(shí),其中包括M-P神經(jīng)元模型、反向傳播算法和卷積神經(jīng)網(wǎng)絡(luò)等。然后,介紹了基于卷積神經(jīng)網(wǎng)絡(luò)的SAR圖像地物分類(lèi)算法。隨后介紹了基于超像素分割和卷積反卷積網(wǎng)絡(luò)的SAR圖像分類(lèi)算法。最后,針對(duì)上述兩種方案使用實(shí)測(cè)SAR圖像進(jìn)行了算法驗(yàn)證。與傳統(tǒng)紋理特征相比,基于深度網(wǎng)絡(luò)的SAR圖像分類(lèi)方法能夠有效地學(xué)習(xí)特征表示,獲得較高的識(shí)別率。4.研究了基于生成對(duì)抗網(wǎng)絡(luò)的SAR圖像地物分類(lèi)算法。首先,介紹了生成對(duì)抗網(wǎng)絡(luò)的相關(guān)理論知識(shí)。隨后對(duì)深度卷積生成對(duì)抗網(wǎng)絡(luò)的基本模型和應(yīng)用進(jìn)行詳細(xì)地介紹。最后,將生成對(duì)抗網(wǎng)絡(luò)應(yīng)用于SAR圖像地物分類(lèi)問(wèn)題中,使用基于生成對(duì)抗網(wǎng)絡(luò)的SAR圖像分類(lèi)方法在真實(shí)SAR圖像上進(jìn)行了實(shí)驗(yàn)。通過(guò)實(shí)驗(yàn)結(jié)果發(fā)現(xiàn),該算法在訓(xùn)練樣本數(shù)目較少時(shí)仍可以獲得較為滿意的分類(lèi)結(jié)果。
【圖文】：

西安電子科技大學(xué)碩士學(xué)位論文測(cè)試圖像的高度和寬度。 c ( h , w) 表示第 (表示第( h , w) 個(gè)像素的真實(shí)標(biāo)記結(jié)果。 1 反映算法對(duì)整個(gè)測(cè)試圖各個(gè)類(lèi)別平均分類(lèi)1( )AA=LTlLAccuracy lT )表示第l 類(lèi)地物類(lèi)型的分類(lèi)準(zhǔn)確率。
【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】：2019
【分類(lèi)號(hào)】：TN957.52;TP18

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 賈麗娟;;關(guān)于圖像分辨率的教學(xué)思考[J];印刷世界;2011年05期

2 丁曉蓮;周激流;李曉華;吳朋;;人臉識(shí)別率與圖像分辨率關(guān)系的比較分析[J];計(jì)算機(jī)工程;2009年11期

3 張秀屏，劉錫國(guó)，叢玉良;提高彩電圖像分辨率的研討[J];光學(xué)精密工程;1994年02期

4 衛(wèi)紅;為DVD機(jī)配哪種彩電[J];家庭科技;2000年07期

5 卜麗靜;張銘娟;陳方惠;許崢輝;趙曉宇;;利用地面靶標(biāo)的超分辨率重建圖像分辨率評(píng)價(jià)[J];測(cè)繪科學(xué);2019年12期

6 ;斯波特5衛(wèi)星商業(yè)圖像分辨率將達(dá)2.5m[J];國(guó)際太空;1997年05期

7 宋其華;郭根生;;解析計(jì)算機(jī)圖像分辨率[J];中國(guó)電化教育;2003年11期

8 谷梗;;數(shù)字圖像分辨率定義與其計(jì)量方法——對(duì)“數(shù)字電影技術(shù)術(shù)語(yǔ)普及讀本”有關(guān)條目的商榷意見(jiàn)[J];現(xiàn)代電影技術(shù);2013年07期

9 ;教你詳細(xì)了解各種分辨率[J];計(jì)算機(jī)與網(wǎng)絡(luò);2011年24期

10 謝美華;王正明;;圖像分辨率增強(qiáng)的偏微分方程方法[J];遙感學(xué)報(bào);2005年06期

相關(guān)會(huì)議論文 前10條

1 楊德強(qiáng);蘇光大;徐天偉;;一種基于幻想臉的人臉圖像分辨率提升新技術(shù)[A];第二十七屆中國(guó)控制會(huì)議論文集[C];2008年

2 翟廣濤;;基于二進(jìn)小波變換的圖像分辨率增強(qiáng)算法[A];2003年中國(guó)智能自動(dòng)化會(huì)議論文集（下冊(cè)）[C];2003年

3 任曉暉;龔勇清;;體全息存儲(chǔ)再現(xiàn)圖像分辨率實(shí)驗(yàn)研究[A];第十一屆全國(guó)光學(xué)測(cè)試學(xué)術(shù)討論會(huì)論文（摘要集）[C];2006年

4 陳樂(lè);強(qiáng)天鵬;章有為;;小徑管CR射線檢測(cè)圖像分辨率研究[A];2017遠(yuǎn)東無(wú)損檢測(cè)新技術(shù)論壇論文集[C];2017年

5 趙源萌;鄧朝;張馨;張存林;;被動(dòng)式人體太赫茲安檢成像的分辨率增強(qiáng)算法研究[A];中國(guó)光學(xué)學(xué)會(huì)2011年學(xué)術(shù)大會(huì)摘要集[C];2011年

6 張?jiān)骆?仇曉蘭;丁赤飚;雷斌;付琨;;高分辨率SAR圖像橋梁目標(biāo)仿真與特性分析[A];第三屆高分辨率對(duì)地觀測(cè)學(xué)術(shù)年會(huì)（地面系統(tǒng)與應(yīng)用技術(shù)分會(huì)）優(yōu)秀論文集[C];2014年

7 張龍;張翔;孟新秀;;基于圖像的艦船目標(biāo)識(shí)別技術(shù)研究[A];2019年全國(guó)公共安全通信學(xué)術(shù)研討會(huì)優(yōu)秀論文集[C];2019年

8 鄭虹;曾坤;郭迪;應(yīng)佳熙;楊鈺;彭璽;陳忠;屈小波;;基于梯度引導(dǎo)的邊緣增強(qiáng)多對(duì)比度腦部MRI圖像超分辨[A];2018第二十屆全國(guó)波譜學(xué)學(xué)術(shù)年會(huì)會(huì)議論文摘要集[C];2018年

9 吳明曉;張晶;;基于深度學(xué)習(xí)的頸動(dòng)脈超聲圖像斑塊識(shí)別方法[A];中國(guó)醫(yī)學(xué)裝備大會(huì)暨2019醫(yī)學(xué)裝備展覽會(huì)論文匯編[C];2019年

10 蔡世學(xué);;最新研制的一種小型空載圖象雷達(dá)成果[A];第十三屆全國(guó)遙感技術(shù)學(xué)術(shù)交流會(huì)論文摘要集[C];2001年

相關(guān)重要報(bào)紙文章 前10條

1 記者 劉霞;迄今最詳細(xì)人腦圖像“出爐”[N];科技日?qǐng)?bào);2019年

2 記者 劉海英;商用打印機(jī)印制出隱形圖像[N];科技日?qǐng)?bào);2016年

3 尹長(zhǎng)城 北京大學(xué)醫(yī)學(xué)部生物物理學(xué)系教授 分析中心電鏡室主任 中國(guó)生物物理學(xué)會(huì)冷凍電鏡分會(huì)副理事長(zhǎng) 中國(guó)電子顯微學(xué)會(huì)低溫電鏡專業(yè)委員會(huì)主任;獲諾獎(jiǎng)的冷凍電鏡是何方“神器”？[N];北京科技報(bào);2017年

4 劉筱霞;陳永常;PHOTOSHOP中圖像分辨率的設(shè)置[N];中國(guó)包裝報(bào);2002年

5 WLF;細(xì)說(shuō)分辨率[N];電腦報(bào);2003年

6 記者 曾遺榮邋通訊員 冷承秋 實(shí)習(xí)生 向哲林;美國(guó)一高科技公司將落戶武漢[N];湖北日?qǐng)?bào);2007年

7 金鳳;無(wú)需眼鏡就能看 能聽(tīng)還能“摸”的3D影像來(lái)了[N];科技日?qǐng)?bào);2019年

8 燕蘭;先科電子：為品牌DVD正名[N];中國(guó)經(jīng)營(yíng)報(bào);2000年

9 宋連黨;家庭VCD像冊(cè)大制作[N];中國(guó)電腦教育報(bào);2003年

10 ;第四代超級(jí)CCD的實(shí)力[N];計(jì)算機(jī)世界;2004年

相關(guān)博士學(xué)位論文 前10條

1 陳文斌;低劑量CT圖像偽影消除及細(xì)節(jié)保護(hù)算法研究[D];中北大學(xué);2019年

2 曹曉歡;基于機(jī)器學(xué)習(xí)的醫(yī)學(xué)圖像非線性配準(zhǔn)技術(shù)研究[D];西北工業(yè)大學(xué);2018年

3 鞠銘燁;圖像去霧處理模型與算法研究[D];南京郵電大學(xué);2018年

4 樊春玲;數(shù)據(jù)驅(qū)動(dòng)的圖像感知和質(zhì)量評(píng)價(jià)方法[D];中國(guó)科學(xué)院大學(xué)(中國(guó)科學(xué)院深圳先進(jìn)技術(shù)研究院);2019年

5 卞春江;光學(xué)遙感圖像有效區(qū)域在軌實(shí)時(shí)檢測(cè)與壓縮技術(shù)研究[D];哈爾濱工業(yè)大學(xué);2018年

6 牛仁杰;星載ATP圖像處理平臺(tái)關(guān)鍵技術(shù)研究[D];中國(guó)科學(xué)院大學(xué)(中國(guó)科學(xué)院光電技術(shù)研究所);2018年

7 穆楠;夜間場(chǎng)景下顯著目標(biāo)檢測(cè)方法研究[D];武漢科技大學(xué);2019年

8 張士杰;超像素級(jí)圖像組協(xié)同關(guān)聯(lián)性分析與研究[D];天津大學(xué);2017年

9 王文勝;寬幅光學(xué)遙感圖像艦船飛機(jī)目標(biāo)檢測(cè)識(shí)別技術(shù)研究[D];中國(guó)科學(xué)院大學(xué)(中國(guó)科學(xué)院長(zhǎng)春光學(xué)精密機(jī)械與物理研究所);2018年

10 孫琨;圖像匹配與場(chǎng)景三維重建方法研究[D];華中科技大學(xué);2017年

相關(guān)碩士學(xué)位論文 前10條

1 劉一賢;面向交通安全的去霧圖像清晰化技術(shù)研究[D];西南科技大學(xué);2018年

2 張荻;基于深度學(xué)習(xí)的SAR圖像艦船目標(biāo)識(shí)別方法研究[D];國(guó)防科技大學(xué);2017年

3 鞏文盼;太赫茲同軸全息再現(xiàn)圖像的U-NET及其復(fù)合分割算法研究[D];哈爾濱工業(yè)大學(xué);2019年

4 谷楓;圖像的聚類(lèi)和檢測(cè)算法研究[D];國(guó)防科技大學(xué);2017年

5 孫海宇;基于回歸模型的相似圖像編碼算法[D];西安電子科技大學(xué);2019年

6 歐智潛;基于參考圖像合成的快速群體圖像編碼算法[D];西安電子科技大學(xué);2019年

7 鄭曉宇;單芯片高清高速圖像采集系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[D];大連理工大學(xué);2019年

8 李召;光電圖像實(shí)時(shí)采集系統(tǒng)設(shè)計(jì)[D];西安電子科技大學(xué);2019年

9 秦慶喜;基于深度網(wǎng)絡(luò)的SAR圖像地物分類(lèi)算法研究[D];西安電子科技大學(xué);2019年

10 馬菲;高分辨SAR圖像車(chē)輛目標(biāo)檢測(cè)的FPGA設(shè)計(jì)[D];西安電子科技大學(xué);2019年

，

本文編號(hào)：2590051