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(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、全極化合成孔徑雷達(dá)(Polarimetric Synthetic Aperture Rader,簡(jiǎn)寫POLSAR)是一種全天候的多參數(shù),多通道的雷達(dá)成像系統(tǒng),雷達(dá)成像系統(tǒng)通過收發(fā)不同極化方式的電磁波,獲得全極化SAR圖像在四個(gè)通道上地物的全部散射信息,即水平發(fā)射水平接收通道(HH),水平發(fā)射垂直接收通道(HV),垂直發(fā)射水平接收通道(VH),垂直發(fā)射垂直接收通道(VV),四個(gè)通道包涵了地面每一分辨單元的全部極化散射信息,這也是全極化SA
2、R圖像相對(duì)與單極化SAR圖像而言最大的優(yōu)勢(shì)所在。在極化SAR圖像分類問題中,如何從極化 SAR散射信息中提取分類特征,如何應(yīng)用已知的全部極化散射信息,成為分類成敗和分類好壞的關(guān)鍵問題所在。全極化SAR圖像所提共了四個(gè)通道的極化散射信息,如何利用好這些極化散射信息以及四個(gè)散射通道之間的關(guān)系,本文提出了一下論斷和在此論斷的基礎(chǔ)上用于極化 SAR圖像分類的幾種方法,主要內(nèi)容如下:
1.提出了全極化SAR的極化散射強(qiáng)度矩陣中的極化散射
3、強(qiáng)度在四個(gè)通道上具有相似性的新論斷。極化相干矩陣和從極化相干矩陣中提取特征用于極化SAR圖像分類的方法已經(jīng)非常成熟,雖然極化相干矩陣包含了地物散射目標(biāo)的全部散射信息,但卻模糊了全極化SAR四個(gè)通道這一特征。為了克服這一缺點(diǎn),本文討論了對(duì)極化SAR散射強(qiáng)度矩陣與極化相干矩陣的優(yōu)越性,并對(duì)極化SAR散射強(qiáng)度矩陣中散射強(qiáng)度在四個(gè)通道上的稀疏性做了討論。這對(duì)極化SAR圖像中特征的提取將是一個(gè)很大的突破。
2.提出了一種基于全極化 SA
4、R在各個(gè)通道上散射強(qiáng)度統(tǒng)計(jì)稀疏的極化 SAR圖像分類與識(shí)別的方法。針對(duì)前面提出的極化SAR中極化散射強(qiáng)度在通道之間的相似性,對(duì)特定地物目標(biāo)的散射強(qiáng)度在三個(gè)通道上進(jìn)行了統(tǒng)計(jì),通過KSVD字典學(xué)習(xí)算法獲得特定地物的特征字典,通過正交匹配算法(OMP)獲得了極化散射強(qiáng)度在三個(gè)通道上的稀疏特征,利用這些包含三個(gè)通道關(guān)系的稀疏特征完成極化SAR圖像的分類,同時(shí)也可以用特定目標(biāo)的字典遷移到未知的極化 SAR圖像的數(shù)據(jù)中,實(shí)現(xiàn)特定目標(biāo)的識(shí)別。
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(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)頁內(nèi)容里面會(huì)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(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
- 基于特征統(tǒng)計(jì)的極化SAR圖像分類.pdf
- 基于稀疏表示的面向?qū)ο髽O化SAR圖像分類.pdf
- 基于稀疏表示分類器的極化SAR圖像地物分類.pdf
- 基于統(tǒng)計(jì)模型TMF的極化SAR圖像分類.pdf
- 基于極化分解的極化SAR圖像分類.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
- 基于稀疏編碼的極化SAR影像地物分類.pdf
- 基于聯(lián)合域聚類和稀疏表示的極化SAR圖像分類.pdf
- 基于張量分解的極化SAR圖像分類.pdf
- 極化SAR圖像分類研究.pdf
- 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
- 基于深度置信網(wǎng)的極化SAR圖像分類.pdf
- 基于空間信息的極化SAR圖像分類方法.pdf
- 面向極化SAR地物分類的稀疏深度網(wǎng)絡(luò).pdf
- 基于Freeman分解的極化SAR圖像分類研究.pdf
- SAR圖像降噪與極化SAR圖像監(jiān)督分類研究.pdf
- 基于稀疏學(xué)習(xí)和深度極限學(xué)習(xí)機(jī)的極化SAR圖像半監(jiān)督分類.pdf
- 基于稀疏深層網(wǎng)絡(luò)的SAR圖像分類方法.pdf
- sar圖像降噪與極化sar圖像監(jiān)督分類研究
評(píng)論
0/150
提交評(píng)論