基于稀疏学习和度量学习分类器的极化SAR图像地物分类

代理获取

页面导航

目录
摘要
著录项
相似文献
相关主题

摘要

极化合成孔径雷达（PolSAR）应用广泛，其中最重要的应用之一就是极化SAR图像分类。相比于传统的单极化SAR，极化SAR能获得更丰富的地物信息，信息量大，特征维度较高，使得快速、准确成为实现极化SAR图像分类实际应用的前提。
　　其中影响分类精度与分类复杂度的关键因素有两个：特征提取与分类器设计。但是分类器性能的好坏，依赖于提取的特征，一些传统算法的思想是，尽可能多的提取特征，以此来提高分类准确率，而且传统算法大多是基于像素的，忽略了像素之间的空间信息，这些问题使得极化SAR图像分类时，得不到令人满意的分类效果。本文提出了三种方法对极化SAR图像进行分类，采用极化SAR图像的深层特征，引入超像素的思想，并且将深层特征、超像素与度量学习分类器进行结合，所做的主要工作如下：
　　1、提出一种基于度量学习分类器的极化SAR地物分类方法，引入度量学习分类器，可以调用现有的支持矢量机算法框架，能够有效地剔除无效信息以及冗余信息，获得更高的分类精度，最后通过三组对比实验，验证该算法的可行性以及有效性。
　　2、提出一种基于稀疏自编码器和度量学习分类器的极化SAR地物分类方法。将度量学习分类器，与栈式稀疏自编码器相结合，通过采用栈式稀疏自编码器，提取极化SAR图像的深层特征，然后通过度量学习分类器，最后通过三组对比实验，验证本算法的合理有效性。
　　3、提出一种基于超像素和度量学习分类器的极化SAR地物分类方法。一般算法都是基于像素的，考虑到像素之间的空间相关性，引入超像素的思想，将超像素与度量学习分类器相结合，不仅保持了极化SAR图像的空间连续性，同时还保证了分类精度，最后通过三组对比实验，验证本算法的合理有效性。

著录项

作者
王明洁;
展开▼
作者单位

西安电子科技大学;

展开▼
授予单位西安电子科技大学;
学科控制科学与工程
授予学位硕士
导师姓名焦李成;
年度 2017
页码
总页数
原文格式 PDF
正文语种中文
中图分类雷达：按体制分;
关键词
图像分类; 特征提取; 稀疏自编码器; 度量学习分类器; 合成孔径雷达;

相似文献

中文文献
外文文献
专利

1. 基于稀疏自编码器和边缘保持的Wishart马尔科夫随机场的极化SAR图像分类 [J] . 张姝茵 ,侯彪 ,焦李成 . 红外与毫米波学报 . 2018,第002期
2. 基于Beta-Prime统计模型和QGD分类器的SAR图像地物分类方法 [J] . 付琨 ,孙真真 ,吴一戎 . 电子学报 . 2003,第0z1期
3. 基于优化深度学习的SAR图像地物分类检测方法研究 [J] . 欧阳艺文 ,王珂 ,吴圣娜 . 信息通信 . 2018,第009期
4. 基于半监督空间-通道选择性卷积核网络的极化SAR图像地物分类 [J] . 王睿川 ,王岩飞 . 雷达学报 . 2021,第004期
5. 一种基于张量积扩散的非监督极化SAR图像地物分类方法 [J] . 邹焕新 ,李美霖 ,马倩 . 雷达学报 . 2019,第004期
6. 类别数目自动估计的极化SAR图像非监督地物分类 [C] . Zhang Yue ,张月 ,Zou Huanxin . 第四届高分辨率对地观测学术年会 . 2017
7. 基于度量学习的极化SAR图像地物分类技术研究 [A] . 赵慧 . 2018

基于稀疏学习和度量学习分类器的极化SAR图像地物分类

目录

摘要

著录项

相似文献

相关主题

期刊订阅