学位论文 > 优秀研究生学位论文题录展示

合成孔径雷达图像目标分类研究

作　者: 雷飞
导　师: 向敬成；韩春林
学　校: 电子科技大学
专　业: 信号与信息处理
关键词: 合成孔径雷达纹理分析灰度共生矩阵特征提取神经网络
分类号: TN957.52
类　型: 硕士论文
年　份: 2002年
下　载: 309次
引　用: 4次
阅　读: 论文下载

内容摘要

合成孔径雷达(SAR)是现代科学和技术的产物，它使雷达的基本功能发生了巨大变化。SAR被广泛的应用于军事和民用，有着重大价值和非常广阔的应用前景，越来越多的研究人员正在参与并不断地在这一领域中做出贡献。本文是关于SAR图像的纹理特征分析，它是SAR图像应用中的一种重要技术。文中基于已经过图像预处理的SAR图像数据，应用灰度共生矩阵法，研究了常用于SAR图像分类的几种纹理特征量，包括差方差、差平均、差熵、对比度、能量、方差、和方差、逆差矩、相关等，进行了特征提取。如果模式空间的维数较大，那么不仅会造成计算上的困难，而且由于不少变量之间往往相关程度高，会造成混淆和不确定性，所以需进行特征选择。本文运用类内类间距准则，通过计算图像特征值的类内类间距，得到对某种SAR图像分辨效果最好的几种纹理特征量。最后以这几种纹理特征量为输入，利用三层BP神经网络，进行图像分类。并且与图像分类中统计方法的经典算法贝叶斯分类方法做了比较，结果发现，神经网络分类方法的分类效果要优于贝叶斯方法。本文给出了SAR图像处理的整个流程，程序也全部调试成功，并且界面友好，操作方便。

全文目录

第一章引言  10-14
第二章模式识别概论  14-20
  2．1 模式识别的基本概念  14-16
  2．2 模式识别系统  16-17
  2．3 模式识别方法  17-20
第三章纹理特征分析  20-30
  3．1 灰度共生矩阵  21-22
  3．2 基于灰度共生矩阵的统计量  22-28
  3．3 SAR图像纹理特征提取的实现  28-30
第四章特征提取和选择  30-36
  4．1 特征提取  30-31
  4．2 准则函数  31-36
    4．2．1 误差平方和准则  31-32
    4．2．2 类内类间距准则  32-36
第五章 SAR图像目标分类  36-62
  5．1 随机模式的分类方法  36-45
    5．1．1 最小错误判决准则  37-41
    5．1．2 最小错误率判决规则在正态分布中的应用  41-45
  5．2 神经网络的分类方法概述  45-49
    5．2．1 神经元结构  45-47
    5．2．2 神经网络的结构及分类  47-49
  5．3 B-P型神经网络  49-62
    5．3．1 网络结构与数学描述  49-52
    5．3．2 B-P的学习算法  52-57
    5．3．3 B-P网络的设计考虑  57-59
    5．3．4 B-P网络的特点  59-62
第六章 SAR图像分类过程及实验结果  62-86
  6．1 SAR图像分布式场景纹理特征  62-63
  6．2 SAR图像分类的流程  63-64
  6．3 第一幅图像的分类  64-77
    6．3．1 共生矩阵的生成及纹理特征的计算  64-67
    6．3．2 进行纹理特征的选择  67-68
    6．3．3 进行分类  68-77
  6．4 第二幅图像的分类  77-86
第七章软件使用说明  86-92
  7．1 使用环境  86
  7．2 使用说明  86-92
第八章结论  92-93
参考文献  93-95
致谢  95-96
个人简历  96

合成孔径雷达图像目标分类研究

内容摘要

全文目录

相似论文