資源描述：
《極化SAR圖像分類技術(shù)研究.pdf》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在教育資源-天天文庫(kù)。
1、摘要極化合成孔徑雷達(dá)（SyntheticApertureRadar,SAR）是用來測(cè)量輻射信號(hào)極化特性的新型成像雷達(dá)。它獲取的極化SAR圖像相對(duì)于傳統(tǒng)雷達(dá)圖像能提供更多的地物信息和分類特征，能大大提高對(duì)地物的識(shí)別能力。極化SAR圖像分類是極化SAR應(yīng)用中一項(xiàng)重要的研究問題。本文針對(duì)極化SAR圖像分類技術(shù)進(jìn)行了深入研究，主要工作和貢獻(xiàn)如下：首先，本文回顧了極化SAR基本理論，總結(jié)了極化SAR的諸多數(shù)據(jù)表現(xiàn)形式并對(duì)極化SAR散射機(jī)理進(jìn)行了介紹。在此基礎(chǔ)上，本文系統(tǒng)研究了從極化SAR圖像中獲取的各種特征，并將這些特征分為三類：基于測(cè)量數(shù)據(jù)及其簡(jiǎn)單變換組合的特征、
2、基于極化目標(biāo)分解的特征和由傳統(tǒng)光學(xué)圖像處理拓展到SAR圖像處理的特征。針對(duì)極化特征，我們進(jìn)一步提出了具有互補(bǔ)性的極化SAR特征包。實(shí)驗(yàn)結(jié)果證實(shí)了該極化SAR特征包在分類應(yīng)用中的有效性。其次，在基于統(tǒng)計(jì)分布及散射機(jī)理的全極化SAR圖像分類方面，本文研究實(shí)現(xiàn)了幾種典型的極化SAR圖像分類方法，包括基于Wishart分布的多極化SAR圖像分類，基于H/α目標(biāo)分解的極化SAR圖像非監(jiān)督分類和基于Freeman分解的極化SAR圖像非監(jiān)督分類等。針對(duì)基于Freeman分解的極化SAR圖像非監(jiān)督分類無法刻畫混合散射機(jī)制的問題，本文提出了兩個(gè)新的參數(shù)——散射功率熵和各向異
3、性量，并在此基礎(chǔ)上給出了一種改進(jìn)的極化SAR圖像非監(jiān)督分類方法；針對(duì)像素級(jí)分類計(jì)算量大，難以克服speckle噪聲的影響等問題，本文結(jié)合Mean-shift過分割的優(yōu)勢(shì)，提出了基于Mean-shift過分割的極化SAR圖像非監(jiān)督分類方法。實(shí)驗(yàn)結(jié)果表明了本文提出的參數(shù)和分類方法的有效性。最后，在基于機(jī)器學(xué)習(xí)的極化SAR圖像分類技術(shù)方面，本文深入研究了新近提出的極度隨機(jī)森林（ExtremelyRandomizedForests）算法。極度隨機(jī)森林是由多棵極度隨機(jī)決策樹組成，它具有調(diào)整參數(shù)少、計(jì)算速度快、抗噪性能好以及可克服維數(shù)災(zāi)難等優(yōu)點(diǎn)。在極化SAR圖像分類上
4、的應(yīng)用顯示了極度隨機(jī)森林具有比SVM（SupportVectorMachine）更低的分類錯(cuò)誤率。關(guān)鍵詞：極化SAR，極化分類，極度隨機(jī)森林，目標(biāo)分解IAbstractThepolarimetricSyntheticApertureRadar(SAR)isanewtypeimagingradartomeasurepolarimetriccharacteristicofradiantsignals.TheobtainedpolarimetricSARimagedatacanprovidemoreinformationthanconventionalradar
5、imagesandcangreatlyimprovetheabilitytodiscernthesurfacefeatures.TheclassificationofpolarimetricSARimageisanimportanttopicofpolarimetricSARapplications.ThisthesisfocusesontheclassificationofpolarimetricSARimage.WefirstreviewthebasictheoryofpolarimetricSAR,inwhichthedifferentformats
6、ofpolarizationSARdataaresummarizedandthedifferentscatteringmechanismsareintroduced.Onthisbasis,wediscussthefeaturesofpolarmetricSARimageanddifferentiatethemintothreecategories:thefeaturesgotfrommeasureddataanditssimpletransformation,thefeaturesbasedonpolarimetrictargetdecompositio
7、nandthefeaturesextendedfromtraditionalopticalimageprocessing.FromthepolarizationfeaturesweproposeapolarimetricSARfeaturesetwithcomplementary.TheexperimentalresultshavedemonstratedtheeffectivenessoftheproposedfeaturesetforpolarimetricSARimageclassification.Thenweimplementseveraltyp
8、icalmethodsbasedonthestatisticald
