基于特征分解的全极化sar数据bp神经网络分类

《基于特征分解的全极化sar数据bp神经网络分类》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、万方数据分类号P208UDC528螂91㈣93嶝Y215学校代码10i47密级公开硕士学位论文基于特征分解的全极化SAR数据BP神经网络分类BPNeuralNetworkClassificationofFullPolarizationSARDataBasedonFeatureDecomposition作者姓名李建飞指导教师张继超副教授申请学位工学硕士学科专业摄影测量与遥感研究方向微波遥感技术与应用辽宁工程技术大学万方数据关于论文使用授权的说明本学位论文作者及指导教师完全了解辽室王墨撞本太堂有关保

2、留、使用学位论文的规定，同意辽主王墨堇本太堂保留并向国家有关部门或机构送交论文的复印件和磁盘，允许论文被查阅和借阅，学校可以将学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存、汇编本学位论文。保密的学位论文在解密后应遵守此协议学位论文作者签名：盔耋查硇4年6只l叠B万方数据致谢岁月如歌，光阴似箭，研究生生活即将结束。回首两年多的求学之路，对那些引导我、帮助我、激励我的人，我心中充满了感激。首先感谢我的导师张继超副教授，在我攻读硕士研究生期间，深深受益于张老师

3、的关心、爱护和谆谆教导。他作为老师，点拨迷津，从开题时论文定题到开题答辩结束、小论文的发表和大论文写作定稿倾注了张老师大量的心血，让人如沐春风；作为长辈，关怀备至，让入感念至深。能师从张老师，我为自己感到庆幸。在此谨向张老师表示我最诚挚的敬意和感谢!衷心感谢所有教导过我、关心过我的摄影测量与遥感专业组的宋伟东教授、裴亮教授、李玉教授、赵泉华副教授、t-丽静博士、王丽英博士、王竞雪博士。你们为我的学业倾注了大量心血，你们为人师表的风范令我敬仰，严谨治学的态度令我敬佩。衷心感谢辽宁工程技术大学测绘与

4、地理科学学院徐爱功院长、夏春林书记、杨帆副院长、王崇倡副院长、武文波教授等在研究生学习阶段传授给我的专业知识，为我之后的学习和工作打下坚实的基础。我还要感谢在生活上一直关心与支持我的张冬梅老师!感谢你给我不断的鼓励、帮助和支持，从你那里我得到亲人般的温暖。感谢两年来，与我朝夕相处、共同进步的室友崔亚丽、韩丹、孔玉霞、杨莹和林雪，感谢你们给予我的所有关心和帮助。同窗之谊，我将终生难忘!感谢所有11级测绘与地理科学学院研究生同窗。感谢大家的支持与鼓励，大家在一起的快乐时光将成为永远的美丽记忆。感谢我

5、生活学习了两年多的母校——辽宁工程技术大学，母校给了我一个宽阔的学习平台，让我不断吸取新知，充实自己。需要特别感谢的是我的父母。父母的养育之恩无以为报，他们是我十多年求学路上的坚强后盾，在我面临人生选择的迷茫之际，为我排忧解难，他们对我无私的爱与照顾是我不断前进的动力。万方数据摘要全极化SAR图像与光学遥感图像和单极化SAR图像相比，能够获得更丰富的地物信息，为图像的深层次解译和分析提供了更多的依据，在目标检测、识别和几何参数的提取方面具有更大的潜力。因此，全极化SAR数据分类己成为当前国内外研

6、究的热点之一。本文以全极化SAR成像理论和数据特点作为理论基础，探讨了全极化SAR数据的土地覆盖分类方法，并对传统方法进行了一定的改进。论文首先介绍了极化SAR图像数据的成像机理与主要极化散射机制。进而研究了极化SAR数据的极化特征分解理论，为后续进行土地覆盖分类提供了重要基础。在此基础上，研究了当前光学遥感影像或基于SAR原始数据的BP神经网络分类算法。最后，综合极化特征分解和BP神经网络分类的优势，将二者结合起来进行全极化SAR数据的分类。本文以北京地区RADARSAT-2全极化SAR图像数

7、据为例，首先利用几种典型的特征分解方法，对图像进行特征分解提取极化信息。并利用所得到的极化特征分解数据，分别进行了BP神经网络分类，得出基于Freeman分解的BP神经网络分类方法具有较高的精度。最后将本文分类方法与传统的BP神经网络的分类方法、SVM监督分类和K一均值非监督分类方法的分类结果进行了比较。结果表明，结合Freeman分解的BP神经网络分类方法较大幅度地提高了全极化SAR数据土地覆盖分类的精度。关键词：全极化SAR；特征分解；Freeman分解；BP神经网络：土地覆盖分类万方数据A

8、bstractFullpolarimetricsyntheticapertureradarimageclassificationhasbecomearesearchhotspot．ComparedwimthecommonopticalremotesensingimageandsinglepolarimetricSARdata,fullpolarimeUicSARdataismorevaluable，duetoitsdatacharacteristicswhichcanprovidemorebas