版權(quán)說(shuō)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(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、合成孔徑雷達(dá)(Synthetic Aperture Radar,SAR),作為一種高分辨率的微波遙感工具,具有全天候、全天時(shí)的特點(diǎn),被廣泛的應(yīng)用于遙感領(lǐng)域,如目標(biāo)識(shí)別,軍事偵察以及地形測(cè)繪等。增加了極化屬性的極化SAR更是對(duì)SAR信息的進(jìn)一步補(bǔ)充,大大擴(kuò)展了其應(yīng)用范圍。但是由于SAR及極化SAR的工作原理導(dǎo)致兩者都具有龐大的數(shù)據(jù)量,尤其是對(duì)極化SAR來(lái)說(shuō)其數(shù)據(jù)量是異常大的,這對(duì)兩者的數(shù)據(jù)傳輸工作造成了巨大的壓力,因而對(duì)于其數(shù)據(jù)的壓縮是十
2、分必要的。
本文對(duì)SAR圖像壓縮中常用的兩類方法,即多尺度分解方法以及稀疏表示與字典學(xué)習(xí)方法的理論與應(yīng)用做了詳細(xì)的分析,并且基于極化 SAR圖像不同于一般的SAR圖像并不能簡(jiǎn)單的應(yīng)用SAR圖像的方法處理極化 SAR圖像,提出了針對(duì)極化SAR特性的有效壓縮方法。
本文提出了一種基于圖像相似性的極化SAR圖像壓縮方法,利用極化SAR覆蓋地域范圍廣闊以致其所對(duì)應(yīng)的圖像中具有相似部分的特點(diǎn),結(jié)合稀疏表示與字典學(xué)習(xí)的方法在極化
3、SAR圖像相關(guān)冗余去除的問(wèn)題上不僅有效的去除空間冗余,通道間冗余而且去除了圖像塊間的相似冗余,最終使極化SAR圖像壓縮取得較好的效果。
本文提出了一種基于多方向 RLS-DLA的極化 SAR圖像壓縮方法,其對(duì)于圖像尺度分解的方向性,利用RLS-DLA得到各個(gè)方向各個(gè)尺度的最佳匹配字典,最后結(jié)合稀疏表示并采用合適的編碼策略實(shí)現(xiàn)極化SAR圖像的有效壓縮,由于稀疏表示使用的字典是針對(duì)圖像變換后的各方向高頻子帶系數(shù)特征,故壓縮過(guò)程保護(hù)
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)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(qǐng)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(qǐng)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(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)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(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)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(duì)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(qǐng)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(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于稀疏表示與字典學(xué)習(xí)的極化sar圖像壓縮
- 基于稀疏表示與字典學(xué)習(xí)的極化SAR圖像壓縮.pdf
- 基于字典學(xué)習(xí)與稀疏模型的SAR圖像壓縮技術(shù)研究.pdf
- 基于特征統(tǒng)計(jì)的極化SAR圖像分類.pdf
- 基于統(tǒng)計(jì)模型TMF的極化SAR圖像分類.pdf
- 基于強(qiáng)度統(tǒng)計(jì)稀疏的極化SAR圖像分類.pdf
- 基于字典學(xué)習(xí)的SAR圖像目標(biāo)識(shí)別研究.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
- 基于極化分解的極化SAR圖像分類.pdf
- 基于非局部稀疏模型的SAR圖像字典學(xué)習(xí)及應(yīng)用.pdf
- 基于字典學(xué)習(xí)的高光譜圖像壓縮算法研究.pdf
- 基于深度神經(jīng)網(wǎng)絡(luò)與稀疏學(xué)習(xí)的極化SAR圖像分類.pdf
- 基于MPCA和多層特征學(xué)習(xí)的極化SAR圖像分類.pdf
- SAR圖像降噪與極化SAR圖像監(jiān)督分類研究.pdf
- sar圖像降噪與極化sar圖像監(jiān)督分類研究
- 基于字典學(xué)習(xí)的非凸壓縮感知圖像重構(gòu)方法.pdf
- 基于特征學(xué)習(xí)和低秩分解的極化SAR圖像分割.pdf
- 基于統(tǒng)計(jì)特性和壓縮感知技術(shù)的SAR圖像多目標(biāo)檢測(cè)算法研究.pdf
- 基于在線字典學(xué)習(xí)的高光譜圖像壓縮技術(shù)研究.pdf
評(píng)論
0/150
提交評(píng)論