極化合成孔徑雷達（Polarimetric Synthetic Aperture Radar,PolSAR）是一種性能優(yōu)良的獲取地物目標散射特性的遙感設(shè)備。PolSAR系統(tǒng)在工作過程中不受時間、不受氣候的影響,而且,它可以通過主動收發(fā)不同極化方式的電磁波去獲取所探測地物目標所包含的豐富信息。但是,隨著PolSAR系統(tǒng)所探測地物目標的愈加復(fù)雜,傳統(tǒng)的極化SAR圖像處理算法已無法滿足軍事領(lǐng)域和民用領(lǐng)域越來越高的需求。因此,我們需要在PolSAR圖像地物分類過程中充分挖掘極化SAR數(shù)據(jù)包含的地物信息,于是本文從極化SAR數(shù)據(jù)的特征提取、極化SAR圖像中同一地物的相似性度量準則和極化SAR數(shù)據(jù)擴容三方面入手。其中特征提取主要是構(gòu)造一種極化SAR數(shù)據(jù)新的表示方法,充分挖掘極化SAR圖像中的極化信息,接下來,為了充分利用極化SAR數(shù)據(jù)中的極化信息和空間信息,我們基于馬爾科夫隨機場（Markov Random Field,MRF）進行改進實現(xiàn)極化SAR圖像的分類研究,最后,我們結(jié)合Wishart分布和生成模型對于極化特征進行生成,實現(xiàn)極化SAR數(shù)據(jù)的擴容。具體主要工作如下:（1）提出了一種基于淺層特... 

【文章來源】：西安電子科技大學(xué)陜西省 211工程院校 教育部直屬院校

【文章頁數(shù)】：94 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
符號對照表
縮略語對照表
第一章 緒論
    1.1 研究背景與意義
    1.2 極化SAR圖像分類研究現(xiàn)狀
    1.3 極化SAR圖像分類的研究難點
    1.4 論文內(nèi)容與安排
第二章 極化SAR及深度學(xué)習理論基礎(chǔ)
    2.1 引言
    2.2 極化SAR數(shù)據(jù)
    2.3 極化目標分解
        2.3.1 相干目標分解
        2.3.2 非相干目標分解
    2.4 深度學(xué)習概述
    2.5 本章小結(jié)
第三章 基于淺層特征與T矩陣CNN的極化SAR分類
    3.1 引言
    3.2 淺層特征的提取
    3.3 卷積神經(jīng)網(wǎng)絡(luò)
        3.3.1 卷積神經(jīng)網(wǎng)絡(luò)的優(yōu)勢
        3.3.2 卷積神經(jīng)網(wǎng)絡(luò)的基本結(jié)構(gòu)
    3.4 基于淺層特征與T矩陣CNN的極化SAR分類
        3.4.1 數(shù)據(jù)預(yù)處理
        3.4.2 構(gòu)造新的特征表示
        3.4.3 CNN的訓(xùn)練過程
        3.4.4 實現(xiàn)測試樣本分類
    3.5 實驗結(jié)果和分析
        3.5.1 數(shù)據(jù)集說明
        3.5.2 分類結(jié)果與討論
    3.6 本章小結(jié)
第四章 基于WD-MRF模型的極化SAR分類
    4.1 引言
    4.2 MRF模型簡介
        4.2.1 圖像的鄰域系統(tǒng)與基團的概念
        4.2.2 MRF的勢函數(shù)
        4.2.3 吉布斯隨機場
    4.3 基于WD-MRF模型的極化SAR分類
        4.3.1 基于Wishart距離構(gòu)造似然概率函數(shù)
        4.3.2 基于空間信息構(gòu)造先驗概率函數(shù)
        4.3.3 基于WD-MRF模型實現(xiàn)極化SAR分類
    4.4 分類結(jié)果與討論
        4.4.1 數(shù)據(jù)集說明
        4.4.2 分類結(jié)果與討論
    4.5 本章小結(jié)
第五章 基于FW-DCGAN模型的極化SAR分類
    5.1 引言
    5.2 GAN的基本介紹
    5.3 基于FW-DCGAN模型的極化SAR分類
        5.3.1 DCGAN模型的基本介紹
        5.3.2 構(gòu)造FW-DCGAN模型的輸入樣本
        5.3.3 基于FW-DCGAN模型生成極化特征
        5.3.4 構(gòu)造分類模型的輸入樣本
        5.3.5 基于CNN模型實現(xiàn)極化SAR圖像分類
    5.4 分類結(jié)果與討論
        5.4.1 數(shù)據(jù)集說明
        5.4.2 分類結(jié)果與討論
    5.5 本章小結(jié)
第六章 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
參考文獻
致謝
作者簡介


【參考文獻】：
期刊論文
[1]基于DBN模型的遙感圖像分類[J]. 呂啟,竇勇,牛新,徐佳慶,夏飛.  計算機研究與發(fā)展. 2014(09)
[2]一種利用Cloude-Pottier分解和極化白化濾波的全極化SAR圖像分類算法[J]. 楊杰,郎豐鎧,李德仁.  武漢大學(xué)學(xué)報(信息科學(xué)版). 2011(01)
[3]機載SAR發(fā)展概況[J]. 曲長文,何友,龔沈光.  現(xiàn)代雷達. 2002(01)

博士論文
[1]基于Cloude-Pottier分解的全極化SAR數(shù)據(jù)非監(jiān)督分類的算法和實驗研究[D]. 曹芳.中國科學(xué)院研究生院（電子學(xué)研究所） 2007

碩士論文
[1]基于極化特征的海面漂浮小目標檢測方法[D]. 蒲佳.西安電子科技大學(xué) 2018
[2]全極化SAR圖像分類的深度自步學(xué)習方法[D]. 陳文帥.西安電子科技大學(xué) 2018
[3]基于聯(lián)合稀疏的全極化SAR圖像分類[D]. 王朋.西安電子科技大學(xué) 2017
[4]SAR圖像的變化檢測及毀傷分析應(yīng)用[D]. 熊禮平.西安電子科技大學(xué) 2013
[5]基于Freeman分解的極化SAR圖像分類研究[D]. 裴靜靜.西安電子科技大學(xué) 2012



本文編號：3159622