【摘要】：極化合成孔徑雷達(極化SAR)已經(jīng)成為國內(nèi)外合成孔徑雷達發(fā)展的重要方向之一。傳統(tǒng)的單極化單通道合成孔徑雷達,獲得的地物訊息極度有限,而極化合成孔徑雷達能夠提取更多的信息,以至于可以快速、準確地對雷達圖像進行解譯。因此,研究極化SAR圖像的理解與解譯是必要的并且具有重大的現(xiàn)實意義。本文主要研究基于SVM和散射機理的極化SAR影像地物分類方法。SVM是一種基于統(tǒng)計學習理論的有效的監(jiān)督分類器。它依據(jù)結(jié)構(gòu)風險最小化原則,在固定風險的同時得到VC維最小的最優(yōu)分類面,因此,能更好地避免過擬合問題,具有良好的泛化性能,因此,能很好地解決小樣本和線性不可分問題。目前,SVM應用領域十分廣泛,但在全極化SAR圖像分類中的研究仍然處于處于萌芽階段,所以本文主要研究基于SVM和散射機理的極化SAR影像地物分類方法,主要工作如下:1.提出了一種基于Wishart測度和SVM的極化SAR影像地物分類方法。該方法進行分類是所用的是其相干矩陣和H/alpha分解特征進行分類,主要考慮在概率統(tǒng)計上相干矩陣服從Wishart分布,并且H/alpha是一種有效的極化信息提取技術,多數(shù)實驗證明散射熵和散射角在極化SAR影像地物分類中非常有效。所以將基于相干矩陣的相似度測量和基于極化特征的相似度測量結(jié)合起來作為SVM最終的核函數(shù),這樣的核函數(shù)在利用相干矩陣統(tǒng)計分布知識的基礎上,加入了目標極化散射機制的約束信息,能夠充分的描述目標間的相似性,至此達到更好的分類效果。2.提出了一種基于K均值聚類和深度SVM的極化SAR影像地物分類方法。該方法首先利用K均值聚類選出原始訓練集中的有效信息作為最終的訓練集來訓練SVM分類器,這樣可以大大減少訓練集,并且能有效地節(jié)省訓練和預測的時間,接著將堆疊SVM映射到多層,可以得到更深層的深度特征和更好的分類精度,以提高極化SAR影像地物分類的精度和效率的普適性、泛化性。3.提出了一種基于紋理特征和深度SVM的極化SAR影像地物分類方法。該方法主要研究了將極化特征和紋理特征相結(jié)合,并用深度支持向量機(SVM)分類器分類。在本文中采用相干矩陣T作為主要極化特征。主要是由于單純的紋理特征對于極化SAR影像地物分類沒有考慮到極化特征,所以分類的邊緣效果比較差,將兩類特征有效地結(jié)合,實驗證明,這種方法是實際可行的。
【學位授予單位】：西安電子科技大學
【學位級別】：碩士
【學位授予年份】：2014
【分類號】：TN957.52

【相似文獻】

相關期刊論文 前10條

1 張志龍;沈振康;李吉成;;一組基于廣義局部沃爾什變換的紋理特征[J];電子與信息學報;2006年06期

2 張鳴華;;基于彩色圖像紋理特征的提取方法[J];福建電腦;2010年01期

3 劉星明;劉則毅;劉曉利;李阿蒙;;基于體積和紋理特征的深度像匹配[J];深圳大學學報(理工版);2012年01期

4 李逸岳;汪仁煌;朱穎;;基于改進梯度算法的紋理特征圖像識別[J];微型機與應用;2012年19期

5 陳錦源;高太長;劉磊;韓文宇;;基于小波變換與紋理特征分析的地基云圖識別[J];氣象水文海洋儀器;2014年01期

6 余棉水,黎紹發(fā);基于顏色和紋理特征的大理石分類[J];計算機工程;2002年09期

7 徐碩;王洲;;基于紋理特征和神經(jīng)網(wǎng)絡的圖像識別[J];中國農(nóng)學通報;2007年09期

8 張濤;梁德群;王新年;張曉娜;;基于紋理特征的無參考圖像模糊度評價方法[J];計算機工程與應用;2012年26期

9 郭治成;;基于信號處理描述紋理特征方法[J];中國新技術新產(chǎn)品;2012年21期

10 楊倩;高曉陽;武季玲;李紅嶺;楊占峰;孔彥龍;毛紅玉;寇敏瑜;;基于顏色和紋理特征的大麥主要病害識別研究[J];中國農(nóng)業(yè)大學學報;2013年05期

相關會議論文 前10條

1 田學東;郭寶蘭;;基于紋理特征的版式識別研究[A];輝煌二十年——中國中文信息學會二十周年學術會議論文集[C];2001年

2 殷積東;劉博;王少輝;;基于粗糙集理論和關聯(lián)規(guī)則的腐蝕區(qū)域紋理特征檢測算法研究[A];圖像圖形技術研究與應用(2010)[C];2010年

3 秦鐘;;基于紋理特征的車輛分割方法[A];第二十七屆中國控制會議論文集[C];2008年

4 王建新;周晨波;于文英;;利用紋理特征分析激光散斑圖像[A];第十一屆全國光學測試學術討論會論文（摘要集）[C];2006年

5 王宇生;陳純;;一種用于圖像檢索的紋理特征[A];中國圖象圖形學會第十屆全國圖像圖形學術會議（CIG’2001）和第一屆全國虛擬現(xiàn)實技術研討會（CVR’2001）論文集[C];2001年

6 龔紅菊;姬長英;;基于紋理特征的麥穗產(chǎn)量測量方法研究[A];2007年中國農(nóng)業(yè)工程學會學術年會論文摘要集[C];2007年

7 常哲;侯榆青;程濤;李明俐;劉黎寧;;綜合顏色和紋理特征的圖像檢索[A];全國第三屆信號和智能信息處理與應用學術交流會�？痆C];2009年

8 秦健;李濤;;基于Contourlet變換提取云的旋轉(zhuǎn)不變紋理特征[A];2009第五屆蘇皖兩省大氣探測、環(huán)境遙感與電子技術學術研討會專輯[C];2009年

9 張樹恒;陽維;廖廣姍;王蓮蕓;張素;;基于形狀和紋理特征的致敏花粉顯微圖像識別[A];中華醫(yī)學會2010年全國變態(tài)反應學術會議暨中歐變態(tài)反應高峰論壇參會指南/論文匯編[C];2010年

10 趙銀娣;蔡燕;;紋理特征在高空間分辨率遙感影像分類中的應用探討[A];《測繪通報》測繪科學前沿技術論壇摘要集[C];2008年

相關博士學位論文 前2條

1 夏瑜;基于結(jié)構(gòu)的紋理特征及應用研究[D];中國科學技術大學;2014年

2 李伯宇;圖像紋理分析及分類方法研究[D];復旦大學;2007年

，

本文編號：2536324