基于混合模型和水平集的高分辨sar图像分类

基于混合模型和水平集的高分辨sar图像分类

ID:34550858

大小:4.31 MB

页数:84页

时间:2019-03-07

基于混合模型和水平集的高分辨sar图像分类_第1页
基于混合模型和水平集的高分辨sar图像分类_第2页
基于混合模型和水平集的高分辨sar图像分类_第3页
基于混合模型和水平集的高分辨sar图像分类_第4页
基于混合模型和水平集的高分辨sar图像分类_第5页
资源描述:

《基于混合模型和水平集的高分辨sar图像分类》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、基于混合模型和水平集的高分辨SAR图像分类作者姓名高丽萍学校导师姓名、职称侯彪教授领域电子与通信工程企业导师姓名、职称李青高工申请学位类别工程硕士提交学位论文日期2014年12月学校代码10701学号1202121282分类TN82号TN82密级公开西安电子科技大学硕士学位论文基于混合模型和水平集的高分辨SAR图像分类作者姓名:高丽萍领域:电子与通信工程学位类别:工程硕士学校导师姓名、职称:侯彪教授企业导师姓名、职称:李青高工提交日期:2014年12月HighResolutionSARImageCl

2、assificationBasedontheMixtureModelandLevelSetAthesissubmittedtoXIDIANUNIVERSITYinpartialfulfillmentoftherequirementsforthedegreeofMasterinElectronicsandCommunicationEngineeringByGaolipingSupervisor:HoubiaoLiqingDecember2014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

3、的学风和优良的科学道德,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

4、,即:研究生在校攻读学位期间论文工作的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:摘要摘要合成孔径雷达(SyntheticApertureRadar,SAR)可以全天时和全天候地对地球表面地物成像,而且可以穿透地球的表面。SAR可以获

5、得较高的空间分辨率,因此高分辨SAR图像在军事、农业和医学领域起着越来越重要的作用。但是,高分辨率的SAR图像由于存在比较严重的乘性相干斑噪声,用传统的分类方法对其进行分类,将得不到较好的分类结果。因此,本文提出了能正确描述SAR图像统计特性的基于K-SVD训练字典的混合模型,以及基于混合模型和改进的水平集的SAR图像分类方法,具体的改进思路如下:(1)SAR图像由于存在严重的乘性相干斑噪声,传统的的单模型已不能对高分辨率的SAR图像进行较精确地统计建模。本文提出了一种基于K-SVD算法训练字典的混

6、合模型统计建模方法,此混合模型是基于对数正态分布和威布尔分布两个模型建立的。由于传统的EM算法对SAR图像混合模型的建模过程比较复杂,提出了通过K-SVD算法来训练字典。在本文中,选择基于梅林变换的SKS参数估计方法对对数正态模型、威布尔模型进行参数估计。通过对SAR图像的匀质区域、不匀质区域和极不匀质区域进行混合模型的拟合表明,混合模型能够对各种地物都能进行较好的统计建模。(2)由于基于Gamma统计模型的水平集分类方法不能对高分辨SAR图像进行较高精度的分类,提出了一种基于K-SVD训练字典的混

7、合模型和改进的CV模型水平集的高分辨SAR图像分类方法。在水平集的典型模型Chen-Vase(CV)模型中,假设SAR图像的每个地物区域都具有一致的的强度,实际上SAR图像中存在许多不匀质区域,因此将CV模型用于SAR图像分类存在了一定的局限性。因此,本文提出了在水平集分类方法中,用基于K-SVD训练字典的混合模型来对高分辨率的SAR图像的不同区域进行统计建模。(3)由于边缘信息是SAR图像分类的重要依据,提出了一种将边缘信息和改进的区域信息相结合的高分辨SAR图像水平集分类方法,在区域能量函数中用

8、能较好地对SAR图像进行统计建模的混合模型来代替CV模型中的高斯模型。实验结果表明,本文提出的基于K-SVD算法训练字典的混合模型和改进的水平集分类方法可以对高分辨率SAR图像进行较高精度的分类。关键词:图像分类,SAR,混合模型,水平集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IIABSTRACTABSTRACTSyntheticApertureRadar(SAR)canworkwithall-weather,daytodetectthesurfaceo

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。