学位论文 > 优秀研究生学位论文题录展示

SAR海冰图像智能分类识别算法的研究

作　者: 申小虎
导　师: 安居白
学　校: 大连海事大学
专　业: 计算机应用技术
关键词: 合成孔径雷达(SAR) 纹理特征灰度共生矩阵(GLCM) 复合基神经网络
分类号: TP391.41
类　型: 硕士论文
年　份: 2006年
下　载: 214次
引　用: 0次
阅　读: 论文下载

内容摘要

海水和海冰表面粗糙度有着很大差异,并且海冰的厚度、分布形态和成冰时间长短都会影响到海冰的表面介电常数和粗糙度。根据这一原理,合成孔径雷达(Synthetic Aperture Radar,SAR)图像被广泛地应用于监测海冰分布、海面浮冰流动方向等领域。为保障海区的正常交通运输和海上生产作业的正常进行,许多发达国家现已利用SAR监测海冰,为海上运输和海上工程提供海冰的实况和预报。目前我国加强了这方面的研究和与国外的合作交流,并且在SAR海冰监测的硬件设备方面已经具备了一些条件,但是在智能信息处理的软环境还有一定的不足和空白。本论文就是建立在对SAR海冰遥感图像的模式识别工作的基础上展开实验的。在图像处理方面,本文使用了利用灰度共生矩阵(Gray-Level Co-occurrence Matrix)计算SAR海冰图像纹理特征的统计方法,然后结合SAR图像像素灰度值组成特征矩阵,并以此作为智能识别系统进行分类的依据。在系统的建构方面,本文根据神经网络所具有的自组织、自学习、自适应以及联想能力的特点,本着提高系统SAR海冰图像分类精度的目的,建立了一种复合基(RBF-BP)神经网络模型,并选用了最常用的两种典型网络模型:BP神经网络和RBF神经网络对同一幅SAR海冰图像进行处理比较。通过实验对比,复合基神经网络模型对SAR海冰图像的识别效果和分类精度(93.70%)都要优于其余两种网络模型(86.75%、90.56%)。

全文目录

第1章绪论  9-14
  1.1 前言  9
  1.2 海冰监测的方法  9-12
    1.2.1 国内外海冰监测的方法  9-10
    1.2.2 海冰分类识别技术  10-12
  1.3 本文研究的方法和思路  12-14
第2章 SAR遥感系统的海冰监测  14-17
  2.1 SAR遥感技术  14-15
  2.2 SAR遥感技术探测海冰原理  15-17
    2.2.1 SAR遥感系统探测海冰原理  15
    2.2.2 国内外SAR遥感系统探测海冰的应用  15-17
第3章 SAR海冰图像的特征提取  17-25
  3.1 图像处理  17-18
    3.1.1 图像处理技术简介  17
    3.1.2 SAR图像的特征提取  17-18
  3.2 纹理分析方法  18-20
    3.2.1 什么是图像纹理  18-19
    3.2.2 图像纹理特征分析  19-20
  3.3 本文采用的纹理特征分析方法  20-25
    3.3.1 基于灰度共生矩阵的纹理统计分析方法  20-21
    3.3.2 灰度共生矩阵参数的选择  21
    3.3.3 基于欧氏距离的纹理特征值的提取  21-25
第4章基于神经网络的分类识别技术  25-35
  4.1 遥感图像信息提取识别分类  25-28
    4.1.1 目视解译  25
    4.1.2 计算机自动提取分类  25-26
    4.1.3 基于监督分类的识别算法  26-28
  4.2 人工智能神经网络概述  28-30
    4.2.1 人工神经网络的特点  28-29
    4.2.2 人工神经网络用于遥感图像分析与处理的优势  29-30
  4.3 经典人工神经网络模型  30-35
    4.3.1 BP神经网络  30-32
    4.3.2 径向基函数神经网络  32-33
    4.3.3 自组织映射SOM神经网络  33-35
第5章 SAR海冰图像分类识别模型  35-41
  5.1 SAR海冰图像分类识别系统的建构模型  35
  5.2 SAR图像特征值的提取  35-37
    5.2.1 网络训练阶段特征值的提取  35-36
    5.2.2 仿真阶段特征值的提取  36-37
  5.3 复合基双隐层神经网络的建构  37-41
第6章系统测试结果与展望  41-45
  6.1 SAR海冰图像分类识别效果  41-43
  6.2 关于数据融合算法的设想  43-45
结论  45-46
参考文献  46-48
攻读学位期间公开发表的论文  48-49
致谢  49-50
研究生履历  50

SAR海冰图像智能分类识别算法的研究

内容摘要

全文目录

相似论文