基于目标分解和svm的pol-sar图像分类方法研究

《基于目标分解和svm的pol-sar图像分类方法研究》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、哈尔滨工业大学工学硕士学位论文新的研究热点，将有力地推动机器学习理论和技术的发展。本课题来源于国家自然科学资金资助项目“基于极化干涉合成孔径雷达图象的人造目标检测与识别研究”(60672091)。该项目主要研究基于PolInSAR图象的人造目标的特性、检测与识别问题，是PolInSAR技术发展的趋势和一个重要方向，本文主要研究了基于极化目标分解和SVM的POL-SAR图像分类技术，把分类区域中包括人造目标和自然植被在内的不同地物较好地区分开，为人造目标的检测与识别提供了基础。1.2国内外研究现状及分析有关极化雷达的研究，

2、可以追溯20世纪50年代。1950年，Sinclair引入了散射矩阵概念；随后，Kennaugh将这一概念引入到雷达遥感领域；1970年，Huynen在其博士论文中对雷达目标的极化散射特性进行了深入细致的研究，极大地更新了极化雷达系统的概念；1981年，Poelman提出的极化合成技术，第一次指出只需要利用两个相互正交的双通道极化收发体制，即可得到目标的全极化散射信息；之后W.M.Boerner将极化合成技术成功应用到电磁逆散射和目标识别问题中。美国JPL实验室于1985年研制成功第一部实际机载全极化合成孔径雷达CV-9

3、00,开创了POL-SAR研究的新纪元。此后，关于POL-SAR的研究进入了一个蓬勃发展时期。SVM（SVM-SupportVectorMachine）方法建立在统计学习理论的VC维理论和结构风险最小化（SRM-StructuralRiskMinimization）原理基础之上,是一种新型的学习方法。其核心内容从1992年才开始提出，1995年，Vapnik的《TheNatureofStatisticalLearningTheory》一书的出版，标志着统计学习理论体系已走向成熟，1999年IEEETrans.onNeur

4、alNetwork为统计学习理论出版了专刊，MIT出版社出版了《AdvancesinKernelMethod》，使统计学习理论的研究与应用推向了一个高潮，应用范围和成果不断扩大。1.2.1POL-SAR系统的发展现状目前应用比较广泛的机载POL-SAR系统有美国NASA/JPL的AIRSAR/TOPSAR、德国DLR的E-SAR、加拿大CCRS的C/X-SAR、日本NASDA/JAXA的Pi-SAR、丹麦的EMISAR等，所有机载系统均工作在多波段模式下，美国的SIR-C系统是最早投入使用的天基POL-SAR系统，其波段

5、覆盖P、L、C等波段。2002年发射的欧洲ENVISAT上所携带的C波段-2-哈尔滨工业大学工学硕士学位论文ASAR是第一个星载多极化SAR系统，可在VV+HH/VV+VH/HH+HV极化方式下工作。2006年1月发射的日本ALOS卫星上所携带的L波段PALSAR，是第一个真正意义上的星载全极化SAR系统。此后，德国定于2006年末发射TerraSAR-X，加拿大全极化RADARSAT-2将于2007年初发射，这标志着星载SAR系统将全面进入全极化工作阶段。1.2POL-SAR图像信息提取POL-SAR图像信息提取主要包

6、括目标分解、分类和参数反演等，1970年Huynen最先提出目标分解的概念，之后VanZyl，Krogager，S.R.Cloude，E.Pottier等人做了大量基础性的研究，使得目标分解初步迈向了实用，先后出现了许多基于目标分解的极化图像目标分类与识别算法。1.2.1极化目标分解方法的研究发展现状POL-SAR数据处理中目标分解的主要目的是把极化散射矩阵或相干矩阵和协方差矩阵分解成具有不同散射机理的若干项之和，每一项对应一定的物理意义。极化目标分解理论的突出优点就是它们大都具有明确的物理解释，因为目标回波的极化信息可

7、以反映目标的几何结构和物理特性，所以极化目标分解理论可用于目标分类或识别。1970年Huynen第一次提出“目标信息分解”的概念[2]，之后，J.J.Van Zyl，E.Krogager[3,4]，S.R.Cloude，E.Pottier[5~7]等人做了大量基础性的研究，使得目标分解理论逐步用于实际应用，先后出现了许多基于目标分解理论的极化图像目标分类与识别算法。目前，对于极化目标分解方法主要分为基于相干目标的分解和基于部分相干目标的分解两类。相干目标分解基于目标的极化散射矩阵，主要包括Pauli分解、Krogager

8、提出的SDH分解[4,8]、Cameron分解[9]、Touzi提出的 SSCM分解[10]和TSVM-TCD分解[11]等等。部分相干目标分解针对的则是回波是部分极化波的情况，分解的对象一般是目标的二阶统计量，相干矩阵、协方差矩阵、Mueller矩阵和Kennaugh 矩阵等。部分相干目标的分解的主要方法有，Huy