学位论文 > 优秀研究生学位论文题录展示

基于极化信息的SAR地物分类技术研究

作　者: 刘桢
导　师: 马德宝
学　校: 解放军信息工程大学
专　业: 信号与信息处理
关键词: 极化SAR 极化特征 SVM 特征选择 监督分类 非监督分类
分类号: TN958
类　型: 硕士论文
年　份: 2010年
下　载: 137次
引　用: 0次
阅　读: 论文下载
 

内容摘要


极化SAR(Synthetic Aperture Radar)地物分类应用广泛,在军用领域中能为后续目标的判读提供一些依据,如对机场、坦克以及舰船等一些军事目标的检测与识别;民用领域中在农作物普查、环境监测以及灾情预报等方面也有着重要的应用价值,已经成为遥感图像分类领域的研究热点。极化SAR提供了丰富的地物信息,但目前这些信息在地物分类中的应用还不够充分,并且分类算法也存在着一些不足,在此背景下,本文对极化SAR的特征参数提取和地物分类算法两个方面进行了深入研究,主要工作及研究成果概括如下:1.分析了极化SAR系统与极化特征提取技术的发展现状,从监督分类和非监督分类两个方面系统总结了极化SAR图像分类技术的历史发展与国内外研究现状。2.在极化特征参数提取方面,从极化散射矩阵中提取了不随目标绕视线的旋转以及极化基的改变而改变的6个特征参数;通过对极化相关矩阵的特征分解,提取了反映目标散射机理的6个参数;通过对极化协方差矩阵的深入分析,提取了包括极化度在内的13个参数;共提取到反映地物极化特性的25个特征参数,为后期极化SAR图像的分类提供了全面的特征参数集。3.深入研究了基于SVM的极化SAR图像监督分类算法,在利用遗传算法实现对高斯核函数SVM的参数C和σ选择的基础上,以SVM分类器的平均分类间隔作为特征评价准则,应用增l去r法作为搜索策略选取最优特征子集,与经典的Relief-F算法相比,选取的特征子集更加良好。然后,以选取的最优特征子集和构造的SVM分类器为依据,对极化SAR图像进行监督分类,与基于ML的监督分类算法相比而言,提高了分类结果的准确率。4.深入研究了基于Cloude分解的极化SAR图像非监督分类算法。针对H/α/A-Wishart算法最终类别数不可变的问题,利用类间相似度进行类别合并,给出了一种改进的H/α/A-Wishart非监督分类算法,实验证明该算法能够与实际地物分布更好的吻合。对于Span/H/α/A-Wishart非监督分类算法在类的合并过程中计算量较大的问题,用基于极化差异度的分类器代替复Wishart分类器,给出了一种基于极化差异度的Span/H/α/A-Wishart非监督分类算法,实验结果表明,在分类精度大致相当的情况下,该算法的计算量得到了较大改善。5.基于IDL(Interactive Data Language)语言,将本文的研究结果以及一些常用的极化SAR信息处理算法进行了集成实现,形成了极化SAR信息处理模块。该模块具有一定的通用性和实用性,通过它进行了仿真实验,验证了本文算法的可行性和有效性。

全文目录


表目录  7-8
图目录  8-9
摘要  9-10
ABSTRACT  10-12
第一章 绪论  12-19
  1.1 课题背景及意义  12-13
  1.2 国内外研究概况及动态  13-17
    1.2.1 极化 SAR 系统的发展现状  13
    1.2.2 极化 SAR 信息提取的研究现状  13-15
    1.2.3 极化 SAR 图像分类的研究现状  15-17
  1.3 论文主要内容及章节安排  17-19
第二章 极化 SAR 基础理论  19-28
  2.1 极化波的表征  19-21
    2.1.1 极化椭圆  19-20
    2.1.2 Jones 矢量  20
    2.1.3 Stokes 矢量  20-21
  2.2 目标极化散射特性的表征  21-26
    2.2.1 极化散射矩阵  22
    2.2.2 Mueller 矩阵  22-23
    2.2.3 Stokes 矩阵  23-24
    2.2.4 极化协方差矩阵与极化相关矩阵  24-26
  2.3 本章小结  26-28
第三章 极化SAR 特征参数提取  28-36
  3.1 基于散射矩阵的特征参数提取  28-30
  3.2 基于极化相关矩阵的特征参数提取  30-31
  3.3 基于极化协方差矩阵的特征参数提取  31-33
  3.4 实验结果及分析  33-35
  3.5 本章小结  35-36
第四章 基于SVM 的极化SAR 图像监督分类  36-50
  4.1 SVM 概述  36-38
    4.1.1 线性支持向量机  36-37
    4.1.2 非线性支持向量机  37-38
    4.1.3 多类问题  38
  4.2 基于遗传算法的SVM 参数选择  38-43
    4.2.1 遗传算法概述  39
    4.2.2 基于遗传算法的SVM 参数选择  39-42
    4.2.3 实验结果及分析  42-43
  4.3 极化特征选择算法  43-48
    4.3.1 原始特征集  44-45
    4.3.2 搜索策略  45
    4.3.3 评估准则  45-46
    4.3.4 算法流程  46-47
    4.3.5 实验结果及分析  47-48
  4.4 SVM 分类过程及结果分析  48-49
    4.4.1 分类流程  48
    4.4.2 实验结果分析  48-49
  4.5 本章小结  49-50
第五章 基于Cloude 分解的极化SAR 图像非监督分类  50-62
  5.1 基于H/α/A 划分的非监督分类  50-57
    5.1.1 H/α分割  50
    5.1.2 H/α-Wishart 非监督分类  50-52
    5.1.3 H/α/A-Wishart 非监督分类  52-53
    5.1.4 改进的H/α/A-Wishart 非监督分类  53-54
    5.1.5 实验结果及分析  54-57
  5.2 基于Span/H/α/A 划分的非监督分类  57-61
    5.2.1 Span/H/α/A-Wishart 非监督分类  57-58
    5.2.2 改进的Span/H/α/A-Wishart 非监督分类  58-59
    5.2.3 实验结果及分析  59-61
  5.3 本章小结  61-62
第六章 极化SAR 信息处理模块集成  62-67
  6.1 极化SAR 信息处理模块设计  62
  6.2 极化SAR 信息处理模块功能简介  62-66
  6.3 本章小结  66-67
结束语  67-69
参考文献  69-73
附录 极化特征参数图  73-76
作者简历 攻读硕士学位期间完成的主要工作  76-77
致谢  77

相似论文

  1. 基于仿生模式识别的文本分类技术研究,TP391.1
  2. 唇读中的特征提取、选择与融合,TP391.41
  3. 基于类Harr特征和最小包含球的纸币识别方法的研究,TP391.41
  4. 基于SVM分类算法的主题爬虫研究,TP391.3
  5. 语音情感识别的特征选择与特征产生,TP18
  6. 基于计算机视觉的柑橘品质分级技术研究,TP391.41
  7. 基于数据分布特征的文本分类研究,TP391.1
  8. 海南雾的天气气候特征分析及预报方法研究,P457
  9. 基于粗糙集和模糊SVM的车牌识别技术研究,TP391.41
  10. 基于支持向量机的视频目标检测方法研究,TP391.41
  11. 车辆识别系统动态特征选择算法的研究与实现,TP391.41
  12. 基于AdaBoost算法的人脸识别研究,TP391.41
  13. 面向肺部CAD的特征提取、选择及分类方法研究,TP391.41
  14. 基于SVM和形状特征的电极三维模型分类检索的研究,TP391.41
  15. 心电特征提取及分类方法研究,TN911.7
  16. 多特征融合的视觉跟踪算法研究,TP391.41
  17. 高光谱图像处理平台的研究与设计,TP391.41
  18. 基于多普勒气象雷达的风切变预测研究,P415.2
  19. 基于本体的医学命名实体识别技术研究,TP391.1
  20. 基于与或图的车牌检测与识别,TP391.41
  21. 基于群体智能的医学图像特征优化算法研究,TP391.41

中图分类: > 工业技术 > 无线电电子学、电信技术 > 雷达 > 雷达：按体制分
© 2012 www.xueweilunwen.com