資源描述：
《基于偏振通道的紋理特征決策層融合方法.ppt》由會員上傳分享，免費在線閱讀，更多相關內(nèi)容在教育資源-天天文庫。
1、DecisionFusionofTexturalFeaturesDerivedFromPolarimetricDataforLeveeAssessment馬偉英目錄研究背景1傳統(tǒng)的特征提取技術2本文的整體技術和實驗方案3總結和展望4研究背景利用灰度共生矩陣獲得合成孔徑雷達圖像的紋理特征會導致高維的特征空間，雖然這樣能為我們的分類提供更豐富的信息，但是也會導致數(shù)據(jù)維度過高，不利于我們隊圖像的處理。本文中提出了一種基于偏振通道數(shù)據(jù)的紋理特征的決策層融合方法，可以有效地應用在大壩滑坡的探測中。傳統(tǒng)的特征提取技術對于
2、高維數(shù)據(jù)，降維過程是在數(shù)據(jù)分類之前非常重要的預處理過程，在傳統(tǒng)的特征提取技術中，我們介紹兩種常用的特征提取級數(shù)LDA,SLDA和一種常用的分類器——高斯最大似然分類器一LDALDA是一種常用的降維技術傳統(tǒng)的特征提取技術他的目的是在保存類之間差別信息的同時來完成數(shù)據(jù)的降維。傳統(tǒng)的特征提取技術二SLDA對于取樣值很少的降維問題，SLDA很適用。分為前向選擇（FS）和后向移除（BR）FS:我們從一個空集開始，然后逐漸往空集中加入特征，如果我們加入的特征能夠增加某些目標函數(shù)我們就保留這些特征，否則則廢棄他。缺點：對于
3、加入某些信息后而變得陳舊的特征我們不能及時廢棄。傳統(tǒng)的特征提取技術BR我們從所有特征集開始，然后一個接一個的移除特征，如果某個特征的移除會增強目標函數(shù)我們保留這些特征，否則我們就丟棄它。缺點：當一個特征被丟去后，我們不能重新對他進行評估。三最大似然分類法傳統(tǒng)的特征提取技術在兩類或多類判決中，用統(tǒng)計方法根據(jù)最大似然比貝葉斯判決準則法建立非線性判別函數(shù)集，假定各類分布函數(shù)為正態(tài)分布，并選擇訓練區(qū)，計算各待分類樣區(qū)的歸屬概率，而進行分類的一種圖像分類方法。傳統(tǒng)的特征提取技術本文的整體技術和實驗方案一本文所提出的系統(tǒng)
4、1灰度共生矩陣取圖像(N×N)中任意一點（x，y）及偏離它的另一點（x+a，y+b），設該點對的灰度值為（g1，g2）。令點（x，y）在整個畫面上移動，則會得到各種（g1，g2）值，設灰度值的級數(shù)為k，則（g1，g2）的組合共有k的平方種。對于整個畫面，統(tǒng)計出每一種（g1，g2）值出現(xiàn)的次數(shù)，然后排列成一個方陣，再用（g1，g2）出現(xiàn)的總次數(shù)將它們歸一化為出現(xiàn)的概率P（g1，g2），本文的整體技術和實驗方案這樣的方陣稱為灰度共生矩陣。對于每一個灰度共生矩陣中14個紋理特征，我們選取常用的六個特征。如圖所示本文
5、的整體技術和實驗方案本文的整體技術和實驗方案2決策層多分類器融合本文的整體技術和實驗方案常用的兩種決策層融合（1）MV(Majorityvoting)(2)LOP(LinearOpinionPool)本文的整體技術和實驗方案二實驗數(shù)據(jù)本研究的主要目的是探測大壩的潛在破壞區(qū)，這里主要是泥沼的滑動等。一幅典型的衰退滑動如圖所示：本文的整體技術和實驗方案本文的整體技術和實驗方案實驗數(shù)據(jù)的獲得本實驗的數(shù)據(jù)是利用UAVSAR，雷達在高空12.5km，本實驗中我們研究的是密西西比河大壩的500平方米范圍。選取的大壩中包含
6、一塊還沒有修好的滑坡。為了使散斑效應最小我們選取了3到12個多角度數(shù)據(jù)。下圖表示了真實的大壩片段圖像本文的整體技術和實驗方案本文的整體技術和實驗方案常用的六個特征圖像如圖本文的整體技術和實驗方案幾種分類方法的精確度對比如圖：本文的整體技術和實驗方案實驗的融合結果對比：本文的整體技術和實驗方案本文的整體技術和實驗方案總結和展望實驗結果表明，我們的方法比一般的其他方法有更好的實驗結果，尤其是當實驗數(shù)據(jù)很少時。本文中此方法是應用在大壩的檢測，實際上我們可以把該方法應用到SAR圖像特征提取的各種應用當中。ThankY
7、ou!
