基于自编码神经网络的极化sar影像地物分类

《基于自编码神经网络的极化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、基于自编码神经网络的极化SAR影像地物分类作者姓名刘宸荣导师姓名、职称焦李成教授一级学科控制科学与工程二级学科模式识别与智能系统申请学位类别工学硕士提交毕业论文日期2014年11月学校代码10701学号1202121196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自编码神经网络的极化SAR影像地物分类作者姓名：刘宸荣一级学科：控制科学与工程二级学科：模式识别与智能系统学位类别：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TerrainClassificationofPolarimetricSARImagesBasedonAuto-Encod

2、erAthesissubmittedtoXIDIANUNIVERSITYinpartialfulfillmentoftherequirementsforthedegreeofMasterinControlScienceandEngineeringByLiuchenrongSupervisor: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，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

3、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

4、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(SyntheticApertureRadar，SAR)是随着合成孔径雷达技术的发展而产生的一种先进的成像系统，它能够获取丰富的目标信息，从而增强雷达获取目标信息的能力。极化SAR技术在军事和民用领域都已得到了广泛的应用和发展。极化SAR影像地物分类问题是极化SAR应用领域的重要分支，因此，对该问题的研究具有十分重要的理论意义和实用价值。本文在自编码深度神经网络的基础上，结合极化SAR数据自身的特点，对极化SAR影像地物分类问题进行了系统的研究并提出了可用于该问题的

5、方法，主要工作如下：1.提出了一种基于栈式稀疏自编码神经网络和快速稀疏逼近最小二乘支持向量机的极化SAR影像地物分类方法。栈式稀疏自编码神经网络具有多个隐藏层，具有很强的特征学习能力。该方法通过它获取极化SAR数据的深度稀疏特征，并用分类性能优异的支持向量机类算法代替深度学习中常用的Softmax作为本方法的分类器，从而获取分类结果。2.提出了一种基于栈式稀疏自编码神经网络和不平衡数据学习的极化SAR影像地物分类方法。该方法通过对极化SAR训练数据中存在类不平衡问题的数据进行独立学习，获取该部分数据新的分类结果，并将该结果用于修正极化SAR影像地物的初始分类，从而得到最终的分类结

6、果。实验表明，本方法能够克服由于训练数据类间不平衡问题造成的总体分类精度低，或每类间分类精度差距大的问题。3.提出了一种基于栈式稀疏自编码神经网络和轮廓信息的极化SAR影像地物分类方法。该方法利用极化SAR数据的统计信息获取其图像轮廓图，并在轮廓图的指引下，对原始极化SAR数据中的像素进行有针对性地滤波。此外，通过极化SAR影像地物的轮廓图以及像素空间邻域信息，获得优化后的最终分类结果。该方法大大减少了相干斑噪声对分类结果的影响，提高了匀质区域的一致性，和边界的可辨识度。关键词：极化合成孔径雷达，图像分类，机器学习，自编码神经网络论文类型：应用基础研究类I西安电子科技大学硕士学位

7、论文IIABSTRACTABSTRACTPolarimetricSyntheticApertureRadar(SAR)isanadvancedimagingsystem,itisproducedwiththedevelopmentofsyntheticapertureradartechnology.Itcanobtainabundantfeatureinformationoftargets,soastoenhancetheabilityofradartocapturetarget