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、POL-SAR屬于目前SAR領(lǐng)域和雷達(dá)極化領(lǐng)域研究的前沿課題,同時(shí)也是研究的熱點(diǎn)和難點(diǎn)。在此背景下,開展關(guān)于POL-SAR的圖像特征提取以及目標(biāo)分類等方面的研究,對于解決如何優(yōu)化POL-SAR系統(tǒng)整體性能,提高對POL-SAR圖像的解譯能力,推動(dòng)我國POL-SAR系統(tǒng)走向應(yīng)用具有重要的理論和實(shí)際意義。本文研究的是POL-SAR圖像特征提取和分類技術(shù),研究的主要內(nèi)容包括:基于目標(biāo)分解的POL-SAR圖像特征提取,基于灰度共生矩陣的紋理特征
2、提取,以及基于SVM的POL-SAR圖像分類。本文首先介紹了POL-SAR系統(tǒng)的歷史與發(fā)展現(xiàn)狀,并針對極化圖像目標(biāo)分解和分類技術(shù)的國內(nèi)外研究現(xiàn)狀進(jìn)行了詳細(xì)的綜述。同時(shí),介紹了SVM以及它在各種不同領(lǐng)域中的發(fā)展應(yīng)用現(xiàn)狀,并對SVM理論進(jìn)行了詳細(xì)的介紹。接下來,介紹了目標(biāo)極化散射特性的表示方法,包括極化散射矩陣,協(xié)方差矩陣和相干矩陣等,給出了幾種基本的極化散射機(jī)理。在此基礎(chǔ)之上進(jìn)行了基于目標(biāo)分解的多種極化散射特征提取,研究了基于灰度共生矩陣
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(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)分解的極化SAR圖像對比增強(qiáng)與分類方法研究.pdf
- 基于目標(biāo)分解的POLSAR圖像分類方法研究.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
- 基于散射分解和圖像紋理特征的極化SAR圖像分類.pdf
- 基于Freeman分解的極化SAR圖像分類研究.pdf
- 基于SVM圖像分類方法的研究.pdf
- 基于張量分解的極化SAR圖像分類.pdf
- 基于SVM方法的醫(yī)學(xué)圖像分類研究.pdf
- 基于極化分解的極化SAR圖像分類.pdf
- 基于極化SAR目標(biāo)信息提取與SVM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
- 基于粒子群優(yōu)化和Freeman分解的SAR圖像分割與分類.pdf
- 基于素描稀疏表示和低秩分解的SAR圖像目標(biāo)檢測.pdf
- 基于遷移學(xué)習(xí)的SAR圖像分類方法研究.pdf
- 基于主動(dòng)學(xué)習(xí)的SAR圖像分類方法研究.pdf
- 基于SVM的圖像分類研究.pdf
- 結(jié)合MRF與ν-SVM的SAR海冰圖像分類.pdf
- 基于子孔徑的極化SAR圖像目標(biāo)分類算法研究.pdf
- 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.pdf
評論
0/150
提交評論