本文關(guān)鍵詞：基于深度RPCA網(wǎng)絡(luò)的極化SAR影像地物分類

  更多相關(guān)文章： 極化SAR影像 深度PCA網(wǎng)絡(luò) 深度RPCA網(wǎng)絡(luò) 地物分類

【摘要】：極化SAR (Polarimetric Synthetic Aperture Radar)是一種相干多通道、全天候的雷達(dá)成像系統(tǒng),已成為國際對地觀測領(lǐng)域的重要方向之一。極化SAR有單極化和全極化之分,與單極化合成孔徑雷達(dá)相比,全極化SAR包含了更多有利于地物分類的極化信息,使極化SAR影像地物分類成為國內(nèi)外學(xué)者研究的重點。本文深入研究了極化SAR影像地物分類方法,以散射特征、偏振特征和鄰域信息特征為基礎(chǔ),結(jié)合深度學(xué)習(xí)和SVM分類器提出了三種極化SAR影像地物分類方法,主要工作如下：(1)提出了一種基于深度PCA網(wǎng)絡(luò)的極化SAR影像地物分類方法。此方法首先以每個像素為分類單元,提取多種散射特征、偏振特征以及原始協(xié)方差數(shù)據(jù)元素等,進(jìn)行組合歸一化后作為深度PCA(Principal Component Analys is)網(wǎng)絡(luò)的輸入,使得深度PCA網(wǎng)絡(luò)中有效融入了極化SAR影像的散射機(jī)理和極化特征。然后,通過訓(xùn)練深度PCA網(wǎng)絡(luò)對極化SAR影像由初級到高級多層提取特征,保證了所學(xué)習(xí)特征的有效性和準(zhǔn)確性。最后,進(jìn)行分類和準(zhǔn)確率計算,并輸出。實驗表明,該算法能進(jìn)一步提升分類精度,改善影像分類質(zhì)量。(2)提出了一種基于深度RPCA(Robust Principal Component Analysis)網(wǎng)絡(luò)的極化SAR影像地物分類方法。該方法首先以每個像素為分類單元,將提取到的散射特征、偏振特征與鄰域信息特征等進(jìn)行組合歸一化后作為深度RPCA網(wǎng)絡(luò)的輸入,并將低秩的思想運(yùn)用到了深度RPCA網(wǎng)絡(luò)中,訓(xùn)練深度RPCA網(wǎng)絡(luò),利用SVM(Support Vector Machine)分類器進(jìn)行分類。該方法充分利用了極化SAR數(shù)據(jù)不同于其他數(shù)據(jù)的散射特性、極化特性和空間鄰域特性,且進(jìn)一步提高了深度RPCA網(wǎng)絡(luò)的魯棒性。對比試驗表明,本文的方法有著更高的客觀評價指標(biāo),并且進(jìn)一步提高了分類效果。(3)提出了一種基于超像素表示和重要采樣的深度RPCA網(wǎng)絡(luò)。針對同質(zhì)區(qū)域的一致性保持較差和大量訓(xùn)練樣本問題,將超像素的表示成功運(yùn)用到該算法中,并且基于超像素表示對訓(xùn)練樣本進(jìn)行重要采樣,訓(xùn)練深度RPCA網(wǎng)絡(luò),在影像分類中將基于單一像素的分類方式轉(zhuǎn)換為基于超像素的分類方式,該方法對地物的劃分更為精細(xì)、準(zhǔn)確,且同質(zhì)區(qū)域更完整,視覺效果好,進(jìn)一步提高了極化SAR影像的分類正確率、改善了圖像質(zhì)量。
【關(guān)鍵詞】：極化SAR影像 深度PCA網(wǎng)絡(luò) 深度RPCA網(wǎng)絡(luò) 地物分類
【學(xué)位授予單位】：西安電子科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：TN957.52
【目錄】：

• 摘要5-6
• ABSTRACT6-10
• 符號對照表10-11
• 縮略語對照表11-15
• 第一章 緒論15-19
• 1.1 研究背景與意義15-16
• 1.2 極化SAR影像分類發(fā)展現(xiàn)狀16-17
• 1.3 深度學(xué)習(xí)的進(jìn)展17-18
• 1.4 課題研究與論文工作18-19
• 第二章 極化SAR理論基礎(chǔ)19-27
• 2.1 極化波的表征19-20
• 2.1.1 極化橢圓19
• 2.1.2 Jones矢量19-20
• 2.1.3 Stokes矢量20
• 2.2 極化數(shù)據(jù)的表征20-21
• 2.2.1 極化散射矩陣20-21
• 2.2.2 極化協(xié)方差矩陣和極化相干矩陣21
• 2.3 極化目標(biāo)分解21-25
• 2.3.1 Pauli分解22
• 2.3.2 SDH分解22-23
• 2.3.3 Cloud分解23
• 2.3.4 Freeman-Durden分解23-24
• 2.3.5 Huynen分解24-25
• 2.4 極化特征參數(shù)25-26
• 2.4.1 非相干參數(shù)25-26
• 2.4.2 相干參數(shù)26
• 2.5 本章小結(jié)26-27
• 第三章 基于深度PCA網(wǎng)絡(luò)的極化SAR影像地物分類27-41
• 3.1 引言27
• 3.2 極化SAR特征參數(shù)27-29
• 3.3 深度PCA網(wǎng)絡(luò)29-33
• 3.3.1 深度PCA網(wǎng)絡(luò)的輸入29-30
• 3.3.2 深度PCA網(wǎng)絡(luò)30-31
• 3.3.3 使用SVM分類器進(jìn)行分類31-33
• 3.4 實驗與討論分析33-40
• 3.4.1 實驗數(shù)據(jù)33
• 3.4.2　1989年獲取的Flevoland地區(qū)實驗設(shè)置和實驗結(jié)果分析33-36
• 3.4.3　1991年獲取的Flevoland地區(qū)實驗設(shè)置和實驗結(jié)果分析36
• 3.4.4 Germany地區(qū)實驗設(shè)置和實驗結(jié)果分析36-38
• 3.4.5 SF Bay地區(qū)實驗設(shè)置和實驗結(jié)果分析38-40
• 3.5 本章小結(jié)40-41
• 第四章 基于深度RPCA網(wǎng)絡(luò)的極化SAR影像地物分類41-55
• 4.1 引言41
• 4.2 深度RPCA網(wǎng)絡(luò)中的低秩逼近41-43
• 4.3 基于深度RPCA網(wǎng)絡(luò)和SVM的極化SAR影像分類43-46
• 4.4 實驗與討論分析46-53
• 4.4.1 實驗設(shè)置與條件46
• 4.4.2 1989年獲取的Flevoland地區(qū)實驗設(shè)置和實驗結(jié)果分析46-48
• 4.4.3 1991年獲取的Flevoland地區(qū)實驗設(shè)置和實驗結(jié)果分析48-49
• 4.4.4 Germany地區(qū)實驗設(shè)置和實驗結(jié)果分析49-52
• 4.4.5 SF Bay地區(qū)實驗設(shè)置和實驗結(jié)果分析52-53
• 4.5 本章小結(jié)53-55
• 第五章 基于超像素表示和重要采樣的深度RPCA網(wǎng)絡(luò)55-69
• 5.1 超像素表示55-56
• 5.2 重要采樣的引入56-58
• 5.3 基于超像素表示和重要采樣的深度RPCA網(wǎng)絡(luò)58-59
• 5.4 仿真實驗59-66
• 5.4.1 實驗設(shè)置與條件59-60
• 5.4.2 1989年獲取的Flevoland地區(qū)實驗設(shè)置和實驗結(jié)果分析60-62
• 5.4.3 1991年獲取的Flevoland地區(qū)實驗設(shè)置和實驗結(jié)果分析62-63
• 5.4.4 Germany地區(qū)實驗設(shè)置和實驗結(jié)果分析63-65
• 5.4.5 SF Bay地區(qū)實驗設(shè)置和實驗結(jié)果分析65-66
• 5.5 實驗小結(jié)66-69
• 第六章 總結(jié)與展望69-71
• 6.1 工作總結(jié)69
• 6.2 展望69-71
• 參考文獻(xiàn)71-75
• 致謝75-77
• 作者簡介77

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 夔中羽;;地物頻譜學(xué)研究始步[J];遙感信息;1993年01期

2 黃慧萍,吳炳方;地物提取的多尺度特征遙感應(yīng)用分析[J];遙感技術(shù)與應(yīng)用;2003年05期

3 杜鳳蘭,田慶久,夏學(xué)齊,惠鳳鳴;面向?qū)ο蟮牡匚锓诸惙ǚ治雠c評價[J];遙感技術(shù)與應(yīng)用;2004年01期

4 陳強(qiáng);蔣詠梅;陸軍;匡綱要;;一種基于目標(biāo)散射鑒別的POLSAR圖像地物無監(jiān)督分類新方法[J];電子學(xué)報;2011年03期

5 鄭秀仁,潘劍君,林海,谷苗;4種混合地物的光譜特征研究[J];南京農(nóng)業(yè)大學(xué)學(xué)報;2004年04期

6 付琨,匡綱要,郁文賢;高分辨率SAR圖像地物分類算法研究[J];電子學(xué)報;2001年S1期

7 孫真真,付琨,吳一戎;基于混合雙隱層徑向基函數(shù)網(wǎng)絡(luò)的高分辨率SAR圖像地物分類算法研究[J];電子學(xué)報;2003年S1期

8 方墨人,田慶久;基于MODIS的LAI時間序列譜的地物分類方法研究[J];國土資源遙感;2004年03期

9 陳強(qiáng);蔣詠梅;陸軍;匡綱要;;基于目標(biāo)散射相似性的POLSAR圖像無監(jiān)督地物散射分類新方案[J];電子學(xué)報;2010年12期

10 喬紀(jì)綱;陳明輝;艾彬;張亦漢;;SVM用于LiDAR數(shù)據(jù)的地物分類[J];測繪通報;2013年07期

中國重要會議論文全文數(shù)據(jù)庫 前1條

1 袁家勇;高詩亮;田喜平;田朝前;;大范圍場景內(nèi)的地物模型生成相關(guān)技術(shù)[A];2009`中國地理信息產(chǎn)業(yè)論壇暨第二屆教育論壇就業(yè)洽談會論文集[C];2009年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前2條

1 張爽;基于散射機(jī)理和目標(biāo)分解的極化SAR圖像地物分類[D];西安電子科技大學(xué);2015年

2 付琨;高分辨率單視單極化SAR圖像地物分類方法研究[D];國防科學(xué)技術(shù)大學(xué);2002年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 高蓉;面向極化SAR地物分類的稀疏深度網(wǎng)絡(luò)[D];西安電子科技大學(xué);2015年

2 熊莎琴;基于稀疏編碼和SVM的極化SAR影像地物分類方法研究[D];西安電子科技大學(xué);2015年

3 張東輝;基于散射特性和空間特性的極化SAR地物分類研究[D];西安電子科技大學(xué);2015年

4 白雪瑩;基于深度RPCA網(wǎng)絡(luò)的極化SAR影像地物分類[D];西安電子科技大學(xué);2015年

5 章皖秋;城市地物反射波譜分類及其通道窗口研究[D];華東師范大學(xué);2005年

6 胡昊;極化SAR圖像精細(xì)地物分類方法研究與實現(xiàn)[D];上海交通大學(xué);2012年

7 林征;高光譜遙感在識別城市地物中的應(yīng)用研究[D];廣州大學(xué);2008年

8 司玉琴;遙感影像預(yù)處理與地物提取方法研究[D];西安科技大學(xué);2010年

9 吳長朋;基于散射特性和空間相關(guān)特性的高分辨率SAR圖像地物分類算法及系統(tǒng)實現(xiàn)[D];上海交通大學(xué);2012年

10 杜娜娜;機(jī)載LiDAR數(shù)據(jù)的半自動化地物提取與三維重建[D];中國地質(zhì)大學(xué)(北京);2012年

，

本文編號：656340