基于svm和散射机理的极化sar影像地物分类

基于svm和散射机理的极化sar影像地物分类

ID:34550597

大小:2.41 MB

页数:93页

时间:2019-03-07

基于svm和散射机理的极化sar影像地物分类_第1页
基于svm和散射机理的极化sar影像地物分类_第2页
基于svm和散射机理的极化sar影像地物分类_第3页
基于svm和散射机理的极化sar影像地物分类_第4页
基于svm和散射机理的极化sar影像地物分类_第5页
资源描述:

《基于svm和散射机理的极化sar影像地物分类》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、基于SVM和散射机理的极化SAR影像地物分类作者姓名党晓婉导师姓名、职称焦李成教授一级学科信息与通信工程二级学科智能信息处理申请学位类别工学硕士提交学位论文日期2014年11月学校代码10701学号1202121175分类TN82号TP75密级公开西安电子科技大学硕士学位论文基于SVM和散射机理的极化SAR影像地物分类作者姓名:党晓婉一级学科:信息与通信工程二级学科:智能信息处理学位类别:工学硕士指导教师姓名、职称:焦李成教授提交日期:2014年11月TerrainClassificationofPolSARIm

2、ageBasedonSVMandScatteringMechanismAthesissubmittedtoXIDIANUNIVERSITYinpartialfulfillmentoftherequirementsforthedegreeofMasterinInformationandCommunicationEngineeringByDangxiaowanSupervisor:Prof.JiaolichengNovember2014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,

3、本人声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究成果。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究成果;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。与我一同工作的同志对本研究所做的任何贡献均已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,本人承担一切法律责任。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本人完全了解西安电子科技大学有关保留和使用学位论文的规定,即:研究生在校攻读学位期间论文工作的

4、知识产权单位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,获得学位后结合学位论文研究成果撰写的文章,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。本人签名:导师签名:日期:日期:摘要摘要极化合成孔径雷达(极化SAR)已经成为国内外合成孔径雷达发展的重要方向之一。传统的单极化单通道合成孔径雷达,获得的地物讯息极度有限,而极化合成孔径雷达能够提取更多的信息,以至于可以快速、准确地对雷

5、达图像进行解译。因此,研究极化SAR图像的理解与解译是必要的并且具有重大的现实意义。本文主要研究基于SVM和散射机理的极化SAR影像地物分类方法。SVM是一种基于统计学习理论的有效的监督分类器。它依据结构风险最小化原则,在固定风险的同时得到VC维最小的最优分类面,因此,能更好地避免过拟合问题,具有良好的泛化性能,因此,能很好地解决小样本和线性不可分问题。目前,SVM应用领域十分广泛,但在全极化SAR图像分类中的研究仍然处于处于萌芽阶段,所以本文主要研究基于SVM和散射机理的极化SAR影像地物分类方法,主要工作如下

6、:1.提出了一种基于Wishart测度和SVM的极化SAR影像地物分类方法。该方法进行分类是所用的是其相干矩阵和H/alpha分解特征进行分类,主要考虑在概率统计上相干矩阵服从Wishart分布,并且H/alpha是一种有效的极化信息提取技术,多数实验证明散射熵和散射角在极化SAR影像地物分类中非常有效。所以将基于相干矩阵的相似度测量和基于极化特征的相似度测量结合起来作为SVM最终的核函数,这样的核函数在利用相干矩阵统计分布知识的基础上,加入了目标极化散射机制的约束信息,能够充分的描述目标间的相似性,至此达到更好

7、的分类效果。2.提出了一种基于K均值聚类和深度SVM的极化SAR影像地物分类方法。该方法首先利用K均值聚类选出原始训练集中的有效信息作为最终的训练集来训练SVM分类器,这样可以大大减少训练集,并且能有效地节省训练和预测的时间,接着将堆叠SVM映射到多层,可以得到更深层的深度特征和更好的分类精度,以提高极化SAR影像地物分类的精度和效率的普适性、泛化性。3.提出了一种基于纹理特征和深度SVM的极化SAR影像地物分类方法。该方法主要研究了将极化特征和纹理特征相结合,并用深度支持向量机(SVM)分类器分类。在本文中采用

8、相干矩阵T作为主要极化特征。主要是由于单纯的纹理特征对于极化SAR影像地物分类没有考虑到极化特征,所以分类的边缘效果比较差,将两类特征有效地结合,实验证明,这种方法是实际可行的。关键词:极化SAR,SVM,Wishart测度,深度SVM,纹理特征I西安电子科技大学硕士学位论文论文类型:应用基础研究类IIABSTRACTABSTRACTPolarizationsynthet

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。