基于深度svm和深度小波神经网络的极化sar影像地物分类

《基于深度svm和深度小波神经网络的极化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、基于深度SVM和深度小波神经网络的极化SAR影像地物分类作者姓名姜红茹导师姓名、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1202121176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深度SVM和深度小波神经网络的极化SAR影像地物分类作者姓名：姜红茹一级学科：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TerrainClass

2、ificationofPolSARImagewithDeepSVMandDeepWaveletNetworksAthesissubmittedtoXIDIANUNIVERSITYinpartialfulfillmentoftherequirementsforthedegreeofMasterinInformationandCommunicationEngineeringByJianghongruSupervisor:Prof.JiaolichengNovember2014西安电子科技大学学位论文独创

3、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

4、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：摘要摘要作为主动式雷达成像系统的合成孔径雷达具有全天时、全天候的特点，可以提供大尺度二维高分辨率地球表面反射率图像。目前，

5、它已经获取了大量的SAR图像，这些图像被广泛地应用于战略目标探测、作物生长监测、森林监控等领域。极化合成孔径雷达是在合成孔径雷达的基础上发展起来的，它能够获取更为丰富有用的信息。与传统的单极化SAR相比，我们通常用极化矩阵形式表示极化合成孔径雷达测量的数据，而散射矩阵通常又与其对应的散射机理模型有关，因此其信息的挖掘和提取更为复杂。分类是对极化SAR数据进行解译和理解研究的一个重要方向，分类得到的结果图既可以作为中间结果继续用于进行边缘提取、目标检测和识别等操作，也可以作为最终结果直接输出给用户。因

6、此，对极化SAR数据进行分类研究是很有必要的，而且具有一定的现实价值。时至今日，已经提出了不少关于极化SAR影像地物分类的算法。本文在传统算法的基础上，主要针对极化SAR图像分类器的设计进行了两大方面的研究，所取得的主要研究成果如下：第一部分工作为：深度SVM分类算法的研究。将最近提出的深度SVM的算法应用到极化SAR分类问题中，并对深度SVM的算法进行了一系列的改进。主要工作包括：（1）基于深度稀疏SVM的极化SAR影像地物分类。将深度SVM的模型和稀疏的最小二乘的LS-SVM算法相结合，提出了一

7、种基于深度稀疏SVM的极化SAR影像地物分类方法，解决了原算法运行速度慢的问题。利用本章提出的算法进行仿真实验，得到的实验结果表明算法具有一定的可实施性，并且将算法与其他同种类型算法相比，体现了该算法的高效性和准确性。（2）基于协同深度SVM的极化SAR影像地物分类。将协同训练引入到深度SVM分类器的训练中，提出了一种基于协同深度SVM的极化SAR影像地物分类方法。通过协同训练的思想训练深度SVM分类器，使深度SVM在训练的过程中能同时利用有标记和无标记样本的信息，从而提高分类的准确率。（3）基于深

8、度小波核SVM的极化SAR影像地物分类。将深度SVM分类器中的SVM的高斯核替换成小波核，提出了一种基于深度小波核SVM的分类器模型。针对提出的方法进行仿真实验，实验结果表明该方法能够更好的拟合数据，从而提高分类的准确率。第二部分工作为：神经网络算法的研究。通过对小波神经网络和深度学习的这两种算法进一步研究，提出了一种基于深度小波神经网络的极化SAR影像地物I西安电子科技大学硕士学位论文分类方法。深度小波神经网络采用深度学习的训练方式训练深度小波神经网络，避免了网络层