基于度量学习的极化SAR图像地物分类技术研究

《基于度量学习的极化SAR图像地物分类技术研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、？＊■？？＊Ｉ硕士学位论文ｉ＾）＇基于度量学习的极化ＳＡＲ图像地物分类技术研究作者姓名赵慧５２｜指导教师姓名、职称淑媛教授｜申请学位类别工学硕士学校代码10701学号1502120813分类号TP75密级公开西安电子科技大学硕士学位论文基于度量学习的极化SAR图像地物分类技术研究作者姓名：赵慧一级学科：电子科学与技术二级学科：电路与系统学位类别：工学硕士指导教师姓名、职称：杨淑媛教授学院：人工智能学院提交日期：2018年6月PolarmetricSARImageTe

2、rrainClassificationBasedonMetricLearningAthesissubmittedtoXIDIANUNIVERSITYinpartialfulfillmentoftherequirementsforthedegreeofMasterinCircuitsandSystemsByHuiZhaoSupervisor:ShuyuanYangTitle:ProfessorJune2018西安电子科技大学学位论文独创性（或创新性）声明秉承学校严谨的学风和优良的科学道德，本人声

3、明所呈交的论文是我个人在导师指导下进行的研究工作及取得的研宄成果。尽我所知，除了文中特别加以标注和致谢中所罗列的内容以外，论文中不包含其他人已经发表或撰写过的研宄成果；也不包含为获得西安电子科技大学或其它教育机构的学位或证书而使用过的材料一。与我同工作的同事对本研宄所做的任何贡献均己在论文中作了明确的说明并表示了谢意。学位论文若有不实之处一，本人承担切法律责任。本人签名：日期：＾——西安电子科技大学关于论文使用授权的说明，即本人完全了解西安电子科技大学有关保留和

4、使用学位论文的规定：研宄生在校攻读学位期间论文工作的知识产权属于西安电子科技大学。学校有权保留送交论文的复印件，，允许查阅、借阅论文；学校可以公布论文的全部或部分内容允许采用影印、缩印或其它复制手段保存论文。同时本人保证，结合学位论文研究成果完成的论、。文发明专利等成果，署名单位为西安电子科技大学保密的学位论文在。＿年解密后适用本授权书４本人签名：导师签名：今年日期：７胤心扣日期：如摘要摘要极化合成孔径雷达(SyntheticApertureRadar,S

5、AR)成像系统依据电磁波收发方式的不同，能够探测到地物的不同散射数据，因此极化SAR图像中包含了丰富的地物极化信息，使得准确的地物分类成为可能。与此同时，极化SAR图像地物分类仍有问题需要解决，一方面，成像技术的发展带来大量高分辨、宽幅场景的数据，随着数据规模增加，获取大量标记样本需要高昂的人力成本；另一方面，雷达成像机理造成固有的相干斑噪声，对分类产生影响。如何实现少量标记样本下精准的地物分类，是当前极化SAR图像分类面临的难题。现有方法多基于图像像素间距离度量，采用无监督/监督方法实现地物分类。因

6、此如何在少量标记样本下，找到好的度量准则，实现准确且鲁棒的极化SAR图像地物分类，是本文的研究动机。围绕该问题，所做主要内容如下：1)设计了基于Divergence-Chebyshev近邻追踪的极化SAR图像地物分类方法。通过设计极化SAR图像像素特征空间的Divergence距离和像素空间位置的Chebyshev距离，综合特征和像素空间信息，能够降低噪声影响。通过两阶段近邻追踪，在找到的空间近邻中找到最相似的特征近邻，从而实现低复杂度的分类。在六幅极化SAR图像上进行实验，结果表明，所提出的度量优于

7、现有统计分布距离，且能保持空间一致性，在小样本条件下能够实现快速准确的极化SAR图像地物分类。2)设计了基于Triplet深度度量网络的极化SAR图像地物分类方法。通过构造三元组数据集，实现训练样本集的扩充；建立三个权值共享、结构相同的卷积神经网络构造Triplet深度度量网络；设计相应的同类和异类间的Triplet损失函数，以学习出强判别性的非线性度量子空间。在六幅极化SAR图像上进行实验，结果表明，该方法在小样本条件下能够学出强判别性的度量，实现准确的极化SAR图像地物分类。3)设计了基于Trip

8、let深度对抗度量网络的极化SAR图像地物分类方法。首先构造三元组数据集，实现训练样本集扩充；设计生成器损失函数和Triplet判别器损失函数，构造深度对抗度量网络，在对抗训练中动态地学习出判别性强的非线性度量子空间。在六幅极化SAR图像上进行实验，结果表明，生成器的辅助训练能够增强Triplet判别网络提取特征的判别性，在少量标记样本下的分类结果比Triplet深度度量网络有所提升。关键词：极化SAR图像地物分类，距离度量，有监督方法，深度度量学习IA