学位论文 > 优秀研究生学位论文题录展示
基于冰况图的北极SAR海冰图像分类方法研究
作 者: 王昙
导 师: 杨学志
学 校: 合肥工业大学
专 业: 信号与信息处理
关键词: 合成孔径雷达 冰况图 马尔可夫随机场 类间伴生关系 海冰图像分类
分类号: TP391.41
类 型: 硕士论文
年 份: 2013年
下 载: 16次
引 用: 0次
阅 读: 论文下载
内容摘要
海冰是北极气候的重要组成部分,对全球气候和环境产生了重要影响,因此,无论是气候变化研究还是航行的安全保障,都迫切需要实现对北极海冰实时准确的监测。合成孔径雷达(Synthetic Aperture Radar, SAR)以其全天时、全天候、高分辨率等诸多优点成为目前北极海冰监测的主要手段,同时也是获取大范围北极海冰分布信息的重要工具。基于马尔可夫随机场(Markov Random Field, MRF)的SAR海冰图像分类方法将分类转化为最大后验概率估计问题,该方法的关键在于选取鲁棒性较强的分类特征和建立准确的MRF模型。本文在深入分析冰况图所提供的专家知识和海冰本身的固有特性的基础之上,利用不同层次的先验知识,在MRF的框架之内,依次融入专家知识和类间伴生关系的思想,提出了两种基于MRF的SAR海冰图像分类方法,研究工作主要包括如下几个方面:1)研究提出了一种融合专家知识的多层次SAR海冰图像分类方法。该方法充分利用了冰况图所提供的关于海冰类型、类别数和部分密集度的先验知识,根据部分密集度的不同,分层次处理各个蛋码区域,在完成区域级MRF分割后,结合强度特征,实现SAR海冰图像的分类。2)研究提出了一种基于类间伴生关系的SAR海冰图像分类方法。该方法从各类海冰间固有的伴生特性出发,将冰况图所包含的先验知识转换为海冰的类内特征信息和类间伴生关系信息,并利用MRF对二者进行建模,将海冰分类转化为目标函数的优化问题,为实现SAR海冰图像的准确分类提供了一个新途径。针对真实的北极SAR海冰图像进行了充分的实验,并进行了较为详细的分析。相较于IRGS算法,基于类间伴生关系的SAR海冰图像分类方法提高了海冰类型判读的准确性,证明了本文所提分类方法在SAR海冰图像解译方面的可行性与有效性。
|
全文目录
摘要 5-6 ABSTRACT 6-8 致谢 8-13 第一章 绪论 13-27 1.1 合成孔径雷达介绍 13-20 1.1.1 合成孔径雷达(SAR)概述 13-14 1.1.2 国内外SAR的发展历史及现状 14-17 1.1.3 SAR工作原理 17-18 1.1.4 SAR图像特性分析 18-20 1.2 SAR图像分割算法回顾 20-24 1.2.1 常用SAR图像分割算法 20-23 1.2.2 SAR图像分割的意义 23-24 1.3 SAR海冰图像分类算法回顾 24-25 1.3.1 常用SAR海冰图像分类算法 24-25 1.3.2 SAR海冰图像分类的意义 25 1.4 本文主要研究内容 25-26 1.5 本文内容安排 26-27 第二章 基于MRF的SAR图像分割与分类 27-38 2.1 MAP-MRF分割框架 27-30 2.1.1 最大后验概率准则(MAP) 27-29 2.1.2 MAP-MRF分割框架 29-30 2.2 MRF的数学理论基础 30-32 2.2.1 邻域和基团 30-31 2.2.2 MRF 31 2.2.3 MRF与GRF的等价性 31-32 2.3 SAR图像分割与分类中常用的MRF模型 32-34 2.3.1 Auto模型 32-33 2.3.2 多层逻辑模型(MLL) 33-34 2.4 优化算法 34-37 2.4.1 ICM算法 34-35 2.4.2 Gibbs采样算法 35-36 2.4.3 SA算法 36-37 2.5 本章小结 37-38 第三章 融合专家知识的多层次SAR海冰图像分类方法 38-54 3.1 冰况图 38-42 3.1.1 CIS冰况图 38-39 3.1.2 蛋码 39-42 3.2 融合专家知识的多层次SAR海冰图像分类方法 42-48 3.2.1 SRAD滤波 42 3.2.2 分水岭分割 42-43 3.2.3 构建区域邻接图(RAG) 43 3.2.4 EM算法 43-44 3.2.5 基于MRF的SAR海冰图像分割算法 44-46 3.2.6 融合专家知识的多层次SAR海冰图像分类方法 46-48 3.3 实验结果与分析 48-53 3.4 本章小结 53-54 第四章 基于类间伴生关系的SAR海冰图像分类方法 54-68 4.1 SAR海冰图像分割与分类的关系 54-56 4.2 基于类间伴生关系的SAR海冰图像分类方法 56-60 4.2.1 类间伴生关系特征 56-57 4.2.2 类间伴生关系特征的建模 57-59 4.2.3 算法流程及实现 59-60 4.3 实验结果与分析 60-67 4.4 本章小结 67-68 第五章 总结与展望 68-70 5.1 工作总结 68 5.2 后续工作展望 68-70 参考文献 70-74 攻读硕士学位期间发表的论文 74-75 攻读硕士学位期间从事的科研项目 75-76
|
相似论文
- 极化SAR图像超分辨算法的研究,TN957.52
- 海杂波背景下的舰船目标雷达成像算法研究,TN958
- 海杂波建模及其对ISAR成像的影响,TN957.54
- 空间目标ISAR成像仿真及基于ISAR像的目标识别,TN957.52
- 基于统计方法的核磁共振人脑图像的分割及三维数据的分析,R445.2
- 基于马尔可夫随机场模型的医学图像分割方法研究,TP391.41
- 肺部病灶感兴趣区域分割算法研究,TP391.41
- SAR成像目标识别子区选取与匹配方法研究,TN957.52
- 目标的快速检测、定位与运动分析,TP391.41
- 宽带雷达数据采集与实时成像处理技术研究,TN958
- 无人机合成孔径雷达系统技术研究,TN958
- 基于MRF模型和统计建模的SAR图像地物分类方法研究,TN957.52
- 合成孔径雷达干扰效果评估方法研究,TN974
- 低频多通道SAR/GMTI系统通道误差校正及杂波抑制方法研究,V443.2
- 极化SAR图像目标检测方法研究,TN957.52
- 对SAR-GMTI有源欺骗干扰方法的研究,TN974
- 偏置相位中心多子带HRWS SAR技术研究,V443.2
- 基于自适应阈值和马尔可夫随机场医学图像分割算法研究,TP391.41
- 基于合成孔径雷达的卫星自主定轨技术研究,V448.22
- 基于MRF的图像样本修补技术研究及实现,TP391.41
- 基于ISAR图像的舰船目标的特征提取与识别,U674.7
中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理(信息加工) > 模式识别与装置 > 图像识别及其装置
© 2012 www.xueweilunwen.com
|