版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
1、極化合成孔徑雷達(dá)(Polarimetric Synthetic Aperture Radar,PolSAR)因其在圖像獲取方面不會受到光照、天氣等原因的影響,真正達(dá)到了全天侯二十四小時(shí)不間斷獲取圖像的要求,使得極化SAR被廣泛的應(yīng)用到軍用和民用等方面。隨著獲取的極化SAR影像數(shù)量的增多,同時(shí)極化SAR影像本身又包含了極為豐富的信息,因此極化SAR影像處理和解譯已成為與國防建設(shè)和經(jīng)濟(jì)發(fā)展密切相關(guān)的一項(xiàng)重要研究。本文針對極化SAR影像分類方
2、法進(jìn)行了大量研究,并提出了三種改進(jìn)方法:
1.提出了一種基于模糊粒子群優(yōu)化和散射分解的極化SAR影像地物分類的改進(jìn)方法。該方法中我們采用Cloude分解對極化SAR數(shù)據(jù)進(jìn)行特征分解,將得到的散射特征——散射熵和散射角作為分類依據(jù),并采用FCM聚類算法代替復(fù)Wishart分類器對極化SAR數(shù)據(jù)進(jìn)行分類,使計(jì)算復(fù)雜度降低,程序運(yùn)行時(shí)間縮短。同時(shí)針對FCM聚類算法的缺陷,用粒子群算法的粒子尋優(yōu)過程代替FCM中聚類中心迭代優(yōu)化過程,從
3、而避免因采用梯度下降產(chǎn)生的使聚類中心陷入局部最優(yōu)的缺陷,最終達(dá)到比較好的分類結(jié)果。試驗(yàn)證明,改進(jìn)后的方法得到的分類結(jié)果更加精確。
2.提出了一種基于模糊粒子群優(yōu)化和目標(biāo)分解的極化SAR影像地物分類方法,我們繼承了方法一中利用FCM聚類算法代替復(fù)Wishart分類器對極化SAR數(shù)據(jù)進(jìn)行分類的方法,并且用粒子群算法的尋優(yōu)迭代方法代替FCM的聚類中心更新的迭代方法。延續(xù)了方法一中優(yōu)越性的同時(shí),我們利用Cloude分解和Freeman
4、分解,提取出極化SAR數(shù)據(jù)的散射特征——散射熵和散射功率,并將其作為分類依據(jù)。我們既可以通過Cloude分解充分利用極化SAR數(shù)據(jù)的八分量分解旋轉(zhuǎn)不變性,又能通過Freeman分解合理使用幅值信息,從而保留更多圖像細(xì)節(jié),較好地保留散射機(jī)制。更加合理有效的使用極化SAR數(shù)據(jù)的散射特征使分類結(jié)果更加接近實(shí)際情況。
3.提出了一種基于模糊量子粒子群優(yōu)化和目標(biāo)分解的極化SAR影像地物分類方法,本方法是對方法一和方法二的改進(jìn),我們在前兩
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于散射機(jī)理和目標(biāo)分解的極化SAR圖像地物分類.pdf
- 基于目標(biāo)分解與機(jī)器學(xué)習(xí)的極化SAR圖像地物分類.pdf
- 基于SVM和散射機(jī)理的極化SAR影像地物分類.pdf
- 基于稀疏編碼的極化SAR影像地物分類.pdf
- 基于CNN特征學(xué)習(xí)和SVM的極化SAR影像地物分類.pdf
- 基于粒子群優(yōu)化和Freeman分解的SAR圖像分割與分類.pdf
- 基于深度RPCA網(wǎng)絡(luò)的極化SAR影像地物分類.pdf
- 基于稀疏編碼和SVM的極化SAR影像地物分類方法研究.pdf
- 基于稀疏編碼字典和深度學(xué)習(xí)的極化SAR影像地物分類.pdf
- 基于深度ICA網(wǎng)絡(luò)的極化SAR影像地物分類方法研究.pdf
- 基于自編碼神經(jīng)網(wǎng)絡(luò)的極化SAR影像地物分類.pdf
- 基于深度脊波神經(jīng)網(wǎng)絡(luò)的極化SAR影像地物分類.pdf
- 基于面向?qū)ο蟮臉O化SAR地物分類.pdf
- 基于集成學(xué)習(xí)和特征選擇的極化SAR地物分類.pdf
- 基于極化分解的極化SAR圖像分類.pdf
- 基于深度SVM和深度小波神經(jīng)網(wǎng)絡(luò)的極化SAR影像地物分類.pdf
- 基于稀疏表示分類器的極化SAR圖像地物分類.pdf
- 基于特征向量統(tǒng)計(jì)的極化SAR地物分類.pdf
- 基于多波段全極化SAR影像地物分類——以根河地區(qū)為例.pdf
- 基于散射特性和空間特性的極化SAR地物分類研究.pdf
評論
0/150
提交評論