基于深度曲线波—残差网的极化SAR影像地物分类

《基于深度曲线波—残差网的极化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、硕士学位论文＿Ｂ基于深度曲线波－残差网的极化ＳＡＲ影像地物分类ｌ作者姓名王美玲指导教Ｕ币姓名ｖ职称焦李成教授申请学位类别工学硕士学校代码１０７０１学号１５０２１２０７０９分类号ＴＰ７５密级紐西安电子科技大学硕士学位论文基于深度曲线波？残差网的极化ＳＡＲ影像地物分类作者姓名：王美玲一级学科：电子科学与技术二级学科：电路与系统学位类别：工学硕士指导教师姓名、职称：焦李成教授学院：人工智能学院提交日期：２０１８年６月ＴｅｒｒａｉｎＣｌａｓｓｉｆｉｃａｔｉｏｎｆｏ

2、ｒＰｏｌＳＡＲＩｍａｅｇＣ－ｌａｓｓｉｆｉｃａｔｉｏｎＢａｓｅｄｏｎＤｅｅｐＣｕｒｖｅｌｅｔＲｅｓｉｄｕａｌＮｅｕｒａｌＮｅｔｗｏｒｋＡｔｈｅｓｉｓｓｕｂｍｉｔｔｅｄｔｏＸＩＤＩＡＮＵＮＩＶＥＲＳＩＴＹｉｎａｒｔｉａｌｆｕｌｆｉｌｌｍｅｎｔｏｆｔｈｅｒｅｕｉｒｅｍｅｎｔｓｐｑｆｏｒｔｈｅｄｅｒｅｅｏｆＭａｓｔｅｒｇｉｎＣｉｒｃｕｉｔｓａｎｄＳｙｓｔｅｍｓＢｙＷａｎＭｅｌｉｎｇｇＳｕｐｅｒｖｉｓｏｒ：ＪｉａｏＬｉｃｈｅｎｇＴｉｔｌｅ：ＰｒｏｆｅｓｓｏｒＪｕｎｅ２

3、０１８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指导下进行的研宄工作及取得的研宄成果。尽我所知，除了文中特别加以标注和致谢，论文中不包含其他人已经发表或撰写过的研宄成果中所罗列的内容以外；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一。与我同工作的同事对本研宄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一，本人承担切法律责任。＾／ｇ本人签名：衫１．於曰期：７．Ａ西安电子科技大学关于论

4、文使用授权的说明ｇ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：，卩研宄生在校攻读学位期间论文工作的知识产权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，结合学位论文研宄成果完成的论文、发明专利等成果，署名单位为西安电子科技大学。本人签名：於导师签名：、日期：ｙ十日期：赠中ｍｍ摘要极化合成孔径雷达已成为国内外合成孔径雷达发展过程中不可或缺的对象之一，ＡＲ影像地物分一而在Ｓ

5、ＡＲ图像解译中，极化Ｓ类作为至关重要的个研宄方向，它根据每一分辨单元所获取的目标极化信息来判定像素点所属的类别。相比于浅层网络，深度网络模型在复杂高变函数的表示、网络计算复杂度及获取有效信息上都有突出优势，故本文采用深度学习方法对极化ＳＡＲ影像地物分类。论文主要包含以下方面：一ＲＡＲ１、提出了种基于深度残差网的极化ＳＡ影像地物分类方法。极化Ｓ影像地物分类作为图像处理的关键步骤一，需要确定影像中每像素点的类别。有效的特征学习是解决分类任务的基础，因此为了学习更为丰富的特征，本文首先对极化ＳＡＲ影像采用平移、旋转等手段进行数据扩增，然后通

6、过深度残差网进行分类。数据扩增丰富了极化ＳＡＲ影像的特征表现形式，为深度残差网挖掘极化ＳＡＲ影像更高层次的抽象特征准备了充足的数据量。该方法利用深度残差网络构建短路结构获得更高的非线性表示学习能力，有效学习了浅层和深层特征，选取极化ＳＡＲ影像已标记样本的百分之五到百分之八作为训练样本，采用有监督的学习，实现对极化ＳＡＲ影像的地物分类，与当下典型的卷积网络模型进行对比，该方法取得更好的分类结果。一２－ＲＲ、提出了种基于深度曲线波残差网的极化ＳＡ影像地物分类方法。极化ＳＡ影像含有丰富的纹理边缘特征，对其进行Ｃｕｒｖｅｌｅｔ变换，通过阈值操

7、作可以减少噪声对分类过程的干扰，并提取得到方向、角度、空间等多尺度信息，确保深度残差网完备提取其多尺度信息，该方法可以更好的识别图像中的边缘信息，与其他卷积网络模型相比，提高了对极化ＳＡＲ影像地物分类的准确率。３一、提出了种基于深度扩张卷积结合残差网的极化ＳＡＲ影像地物分类方法。本ｔ文采用特征结合的思路，将经过Ｐａｕｌｉ分解和经过Ｃｕｒｖｅｌｅ变换之后的极化ＳＡＲ影像分别输入到双通道结合深度残差网的不同通道中一，方面提取极化ＳＡＲ影像的物理散射特性一，另方面，对于极化ＳＡＲ影像的方向、角度、尺度等多尺度信息输入到模型中一，同时有效

8、地抑制噪声，并在本方法第