基于迁移学习的sar图像分类方法研究

《基于迁移学习的sar图像分类方法研究》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、—ｉ；．．矣ｉ斗爭乂＊著ＵＮＩＶＥＲＳＩＴＹＯＦＥＬＥＣＴＲＯＮＩＣＳＣＥＭＣＥＤＴＥＣＨＮＯＬＯＧＹＯＦＡＩ．ＩＡＮＣＨＩＮ胃专业学位硕±学位论文ＭＡＳＴＥＲＴＨＥＳＩＳＦＯＲＰＲＯＦＥＳＳＩＯＮＡＬＤＥＧＲＥＥ＇■－￣－…－’’＇？．＊，‘．．．－－．－．ｆ＞皆＊ｋ．、，＇．．ｓｔ；？知＞於Ｓ）考Ｉ＂－＊ｋ一ａ，二，龜甘马療ｉ＇■掉璧．．Ｖ．．■＾■．‘，■’‘怕化，■■

2、＇■．．，论支题目基乎迁移学３的ＳＡ民圓像分类方法妍宛专业学位类别工程硕±—学号２０１３２２０２０６６７—作者姥名葛雨辰指导教师帶宗杰教授＾＂■——？■‘－■■：－ｌ．‘■一■．■ｌ＊：‘■．＇‘．ｉｌ＇．叶一：＿■＇ｒｉ■＿Ｔ，．■，＇■＇＇－＇‘．．—．．独剑性声明？本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研究成果。据我所知，

3、除了文中特别加ｙＡ标注和致谢的地方夕ｈ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说明并作表者不签谢意。名：＾爾论日期：年ｒ月＜。日本学文使用授权位论文作者完全了解电子科技大学有关保留、使用学位论文的规定，有权保留并向国家有关部口或机构送交论文的复印件和磁盘，部允许或论文被查阅和借阅。本人授权电子科技大学可将学位论文的全部分内容编

4、入有关数据库进行检索，可采用影印、缩印或扫描等复制手段保存、汇编学位论文。作（保者密签的学位论文在解密后应遵守此规定）名：亦麻导师签名：日期：年了月１０日分类号密级注1UDC学位论文基于迁移学习的SAR图像分类方法研究（题名和副题名）葛雨辰（作者姓名）指导教师曹宗杰教授电子科技大学成都（姓名、职称、单位名称）申请学位级别硕士专业学位类别工程硕士工程领域名称电子与通信工程提交论文日期2016年4月论文答辩日期2016年5月12日学位授予单位和日期电子科技大学2016年6月答辩委员会

5、主席评阅人注1：注明《国际十进分类法UDC》的类号。ResearchonSARImageClassificationBasedonTransferLearningAlgorithmAMasterThesisSubmittedtoUniversityofElectronicScienceandTechnologyofChinaMajor:MasterofEngineeringAuthor:YuchenGeAdvisor:ZongjieCaoProfessorSchool:SchoolofElectron

6、icEngineering摘要摘要合成孔径雷达（SyntheticApertureRadar，SAR）图像分类是利用不同地物样本的灰度、纹理、形状、边缘和方向等特征信息在SAR图像中确定其类别，将不同种类地物进行区域划分的图像处技术。随着SAR图像分辨率不断提高，其目标信息呈现爆炸性增长。传统的SAR图像监督分类问题依赖使用大量带标记的观测数据建立分类模型，需要耗费大量的实地考察或人工解译成本。除此之外，传统的SAR图像监督分类问题建立在测试样本与训练样本来自同一概率分布的基本假设下。而实际情况中，学

7、习和应用场景发生迁移将会造成训练样本与测试样本不严格遵从同一概率分布的现象，影响分类结果。所以如何从SAR图像中准确分类地物一直是SAR图像解译的难点。本文将跨领域迁移学习引入到SAR图像分类领域，论文的主要研究内容和创新之处如下：(1)针对传统SAR图像监督分类获取带标记观测样本成本较高以及其学习和应用场景易发生迁移的问题，首先研究了目前较为成熟的跨领域迁移学习理论，其次研究了与主动学习相结合的迁移学习模型。除此之外，还研究了多种应用较广的SAR目标特征提取方法、特征压缩方法以及迁移学习问题中提取最

8、有信息量样本的询问机制。(2)针对传统迁移学习模型在SAR图像分类方面不足的问题，研究了两种适用于SAR图像的迁移学习模型。首先深入分析并讨论了域间差异导致迁移风险的原理，其次研究了判定图像间相似性的度量方法，最后研究了两种现有的适用于遥感图像的迁移学习模型，并将之应用到了SAR图像分类中。(3)针对传统基于SVM分类器的迁移学习算法存储量和计算量不足的问题，从SVM分类器自身特性入手分析，提出了一种基于SVM的样本可重复利用的迁移学习模型，引入了目标域