学位论文 > 优秀研究生学位论文题录展示
基于子孔径的极化SAR图像目标分类算法研究
作 者: 吴婉澜
导 师: 皮亦鸣
学 校: 电子科技大学
专 业: 信号与信息处理
关键词: 极化SAR 子孔径分析 图像分类 特征提取 极化分解
分类号: TN957.52
类 型: 硕士论文
年 份: 2009年
下 载: 234次
引 用: 1次
阅 读: 论文下载
内容摘要
极化SAR能够同时获得目标区域的多通道与高分辨率数据,可更好的揭示目标的物理散射特性,因此,极化SAR图像的特征提取与目标分类在解释雷达图像和目标识别方面起着十分重要的作用。充分利用极化信息,可更加准确地理解目标散射机理,从而带来更好的SAR图像分类结果。本文根据极化SAR数据的特点,结合子孔径分析技术,进行了极化SAR图像目标分类算法的研究,主要工作如下:1.总结了目前常用的极化SAR图像分类算法及其存在的问题。在此基础上,将AdaBoost算法与极化通道所携带的信息相结合,对极化SAR图像进行监督分类,在已知场景类别数的情况下,该方法能够加快收敛速度,改善分类效果;2.研究了基于子孔径分析的极化散射机理与特征提取方法。首先从时频分解的角度对方位向子孔径进行了分析,对场景中存在的各向异性散射行为和布拉格谐振现象进行了讨论。针对场景中的非平稳目标,分析了已有的极大似然比非平稳目标检测算法,还研究了一种基于熵值与平均散射机理角的联合向量检测非平稳目标的方法。通过该方法可以对方位向频谱中的非平稳散射行为进行定位,最终消除非平稳散射在全孔径中的影响;3.对目标的极化分解方法与基于极化分解的极化SAR图像分类方法进行了研究与仿真试验。如Pauli分解、Krogager分解、H/α分类、H/A/α分类、H/α/Wishart分类、H/A/α/Wishart分类和基于Freeman-Wishart的极化SAR图像分类等。在此基础上,改进了基于AdaBoost算法的极化SAR图像分类方法,将Pauli分解与AdaBoost算法的优势得以发挥,该方法既解决了AdaBoost算法需要知道场景先验知识的缺点,同时还能改善分类效果、提高收敛速度;4.改进了基于全孔径数据的极化SAR图像分类方法,得到三种基于子孔径的极化SAR图像分类算法并进行了仿真试验:一是非平稳目标检测与H/α分类相结合的极化SAR图像分类;二是子孔径分解与H/α/Wishart迭代分类相结合的极化SAR图像分类;三是结合Freeman分解与子孔径散射特性的极化SAR图像分类。仿真试验表明,结合子孔径分析与极化分解的极化SAR图像分类,能够在一定程度上改善分类效果、增加分类精细度、提高收敛速度,在实际的SAR图像分类应用中具有很大的价值。
|
全文目录
摘要 4-5 ABSTRACT 5-9 第一章 绪论 9-14 1.1 论文的研究背景与意义 9-10 1.2 国内外研究现状 10-12 1.2.1 极化SAR 系统的研究现状 10-11 1.2.2 极化SAR 图像目标分类的研究现状 11-12 1.3 本文的研究内容 12-14 第二章 极化SAR 基础理论 14-31 2.1 电磁波极化的表征 14-19 2.1.1 极化椭圆 14-16 2.1.2 Jones 矢量 16-17 2.1.3 Stokes 矢量 17-18 2.1.4 Poincare 球 18-19 2.2 极化散射特性描述矩阵 19-24 2.2.1 极化散射矩阵 19-20 2.2.2 Mueller 矩阵 20-21 2.2.3 Stokes 矩阵 21-22 2.2.4 极化协方差矩阵与极化散射相干矩阵 22-24 2.3 常见的极化SAR 图像分类算法及存在的问题 24-29 2.3.1 基于统计特性的极化SAR 图像监督分类 24 2.3.2 基于神经网络和模糊理论的极化SAR 图像分类 24-25 2.3.3 基于非监督的极化SAR 图像分类 25 2.3.4 基于AdaBoost 算法的极化SAR 图像分类 25-29 2.3.5 存在的问题 29 2.4 本章小结 29-31 第三章 基于子孔径分析的极化散射机理研究和特征提取 31-51 3.1 引言 31 3.2 子孔径分解 31-35 3.2.1 分解原理 31-34 3.2.2 时频分析 34-35 3.3 基于子孔径分析的极化散射机理研究 35-41 3.3.1 各向异性特征 35-40 3.3.2 布拉格谐振现象 40-41 3.4 非平稳目标检测 41-50 3.4.1 利用极大似然比检测非平稳目标 41-44 3.4.2 利用熵H 与α角参数的联合向量检测非平稳目标 44-48 3.4.3 非平稳散射行为在方位谱中的位置确定及消除 48-50 3.5 本章小结 50-51 第四章 基于子孔径的极化SAR 图像目标分类算法研究 51-83 4.1 引言 51 4.2 目标的相干分解 51-58 4.2.1 Pauli 分解 52-55 4.2.2 Krogager 分解 55-58 4.3 目标的非相干分解 58-64 4.3.1 Freeman 分解 59-63 4.3.2 特征向量-特征值分解 63-64 4.4 基于极化分解的极化SAR 图像分类 64-74 4.4.1 基于特征向量-特征值分解的极化SAR 图像分类 64-67 4.4.2 H/α/Wishart 分类 67-69 4.4.3 H/A/α/Wishart 分类 69-70 4.4.4 基于Freeman-Wishart 的极化SAR 图像分类 70-72 4.4.5 Pauli 分解与AdaBoost 算法相结合的极化SAR 图像分类 72-74 4.5 基于子孔径分析的极化SAR 图像分类算法 74-82 4.5.1 非平稳检测与H/α分类相结合的极化SAR 图像分类算法 74-75 4.5.2 子孔径分解与H/α/Wishart 相结合的极化SAR 图像分类算法 75-78 4.5.3 结合Freeman 分解与子孔径散射特性的极化SAR 图像分类 78-82 4.6 本章小结 82-83 第五章 结论与展望 83-85 致谢 85-86 参考文献 86-91 攻硕期间取得的研究成果 91-92
|
相似论文
- 基于SVM的高速公路路面浅层病害的自动检测算法研究,U418.6
- 空间目标ISAR成像仿真及基于ISAR像的目标识别,TN957.52
- 胆囊炎和肾病综合症脉象信号的特征提取与分类研究,TP391.41
- Q学习在基于内容图像检索技术中的应用,TP391.41
- 直推式支持向量机研究及其在图像检索中的应用,TP391.41
- 中医舌诊中舌形与齿痕的特征提取及分类研究,TP391.41
- 空间交会接近视觉测量方法研究,TP391.41
- 图像实时采集、存储与处理方法研究,TP391.41
- 唇读中的特征提取、选择与融合,TP391.41
- 多币种纸币处理技术的研究与实现,TP391.41
- 基于类Harr特征和最小包含球的纸币识别方法的研究,TP391.41
- 基于图像的路面破损识别,TP391.41
- 移动机器人视觉检测和跟踪研究,TP242.62
- 高光谱与高空间分辨率遥感图像融合算法研究,TP751
- 基于随机森林的植物抗性基因识别方法研究,Q943
- 基于图像处理技术的烟叶病害自动识别研究,S435.72
- 基于视觉的番木瓜外观品质检测技术研究,S667.9
- 羊绒与羊毛纤维鉴别系统的研究,TS101.921
- 红外图像目标识别及跟踪技术研究,TP391.41
- 水下目标特征的压缩与融合技术研究,TN911.7
- 高光谱图像技术诊断黄瓜病害方法的研究,S436.421
中图分类: > 工业技术 > 无线电电子学、电信技术 > 雷达 > 雷达设备、雷达站 > 雷达接收设备 > 数据、图像处理及录取
© 2012 www.xueweilunwen.com
|