极化SAR影像分类方法研究

极化SAR影像分类方法研究

论文摘要

为了充分发挥多极化、全极化SAR影像相对于单极化SAR影像具有更多信息量的优势,更好地进行极化SAR影像分类,本文针对利用现有极化分类算法得到的分类结果精度低、实用性差的不足,重点围绕提高精度和增强实用性这两方面的内容展开研究,提出了行之有效的改进算法及其处理流程,在此基础上研制了极化SAR分类软件模块,主要研究成果如下:1.发展了自适应窗口的极化Lee滤波,去除相干斑噪声的同时较好地保留了边缘信息,有效地消除了相干斑噪声对后续的分类和分类后处理的影响;2.鉴于使用单一特征无法获得令人满意的分类结果的问题,本文实现了利用GLCM和SVM的多尺度极化SAR影像分类方法,即提取光谱、纹理、极化特征的基础上应用SVM进行极化SAR影像分类;3.针对目前基于像素的极化SAR影像分类精度不高、分类结果“椒盐”现象较严重的现状,本文构建了一种面向对象极化SAR影像监督分类算法;4.对于地形起伏较大地区SAR影像阴影和水体较较难区分的难题,本文设计了一种实用化的基于DEM与面向对象技术的SAR影像阴影和水体区分方法;5.采用Visual C++6.0实现了上述几种算法,研制了极化SAR分类代码,并将其嵌入到CASM ImageInfo?软件中形成了极化SAR分类模块。

论文目录

  • 摘要
  • ABSTRACT
  • 1 绪论
  • 1.1 研究目的
  • 1.2 研究意义
  • 1.3 国内外研究现状
  • 1.4 技术路线
  • 1.5 论文结构安排
  • 1.6 研究区和数据情况及数据量化
  • 1.6.1 研究区概况
  • 1.6.2 数据情况
  • 1.6.3 SAR 数据量化显示新方法
  • 2 极化 SAR 基本理论
  • 2.1 SAR 成像机理
  • 2.2 电磁波极化的表征
  • 2.2.1 Jones 矢量
  • 2.2.2 Stokes 矢量
  • 2.2.3 Poincare 球
  • 2.3 目标的变极化效应
  • 2.3.1 极化散射矩阵
  • 2.3.2 Mueller 矩阵
  • 2.3.3 stokes 矩阵
  • 2.3.4 极化协方差矩阵和极化相干矩阵
  • 2.4 本章小结
  • 3 极化 SAR 相干斑抑制方法研究
  • 3.1 相干斑噪声的产生机理
  • 3.2 SAR 数据的统计特性
  • 3.3 极化 SAR 滤波方法
  • 3.3.1 高斯滤波
  • 3.3.2 基于各向异性的扩散方程去噪方法研究
  • 3.3.3 极化白化滤波
  • 3.4 大影像自适应极化 Lee 滤波
  • 3.5 实验结果及定量评价
  • 3.5.1 实验结果
  • 3.5.2 定量评价指标
  • 3.5.3 评价结果
  • 3.6 本章小结
  • 4 极化 SAR 影像分类方法
  • 4.1 基于像素的极化 SAR 影像分类方法研究
  • 4.1.1 基于 Wishart 分布的极化 SAR 影像监督分类算法研究
  • 4.1.2 基于马尔可夫随机场的极化 SAR 分类方法研究
  • 4.1.3 基于 GLCM 和 SVM 的多尺度极化 SAR 影像分类方法研究
  • 4.2 基于面向对象的极化 SAR 影像监督分类方法研究
  • 4.2.1 面向对象的基本思想
  • 4.2.2 区域生长算法
  • 4.2.3 高斯马尔可夫随机场(Gauss-MRF)
  • 4.2.4 基于 Gauss-MRF 的对象合并
  • 4.2.5 面向对象的极化 SAR 影像监督分类
  • 4.3 对比试验与分析
  • 4.3.1 基于像素与面向对象的极化分类方法对比实验
  • 4.3.2 不同滤波方法去噪后极化数据的面向对象分类结果
  • 4.3.3 试验结果分析
  • 4.4 基于 DEM 与面向对象技术的 SAR 影像上阴影和水体区分
  • 4.4.1 基于 DEM 信息的阴影对象和水体对象的区分
  • 4.4.2 算法流程
  • 4.4.3 实验结果及分析
  • 4.5 本章小结
  • 5 结论与展望
  • 5.1 结论
  • 5.2 展望
  • 攻读硕士学位期间公开发表的学术论文
  • 致谢
  • 参考文献
  • 相关论文文献

    • [1].高分一号影像分类方法对比分析[J]. 江苏科技信息 2017(11)
    • [2].基于面向对象的极化雷达影像分类[J]. 红外与毫米波学报 2020(04)
    • [3].基于影像分类原理的田坎系数获取研究[J]. 国土资源科技管理 2009(05)
    • [4].极化SAR影像分类方法对比分析[J]. 北京测绘 2019(04)
    • [5].基于纹理的影像分类的特征、波段与窗口选择问题研究[J]. 影像技术 2011(03)
    • [6].基于尺度空间中多特征融合的医学影像分类[J]. 计算机应用 2013(04)
    • [7].面向对象影像分类中分割参数的选择[J]. 武汉大学学报(信息科学版) 2009(05)
    • [8].面向对象影像分类与提取法在农作物遥感解译中的应用[J]. 安徽农业科学 2016(06)
    • [9].结合粗糙集约简的纹理特征影像分类[J]. 华东交通大学学报 2016(01)
    • [10].纹理信息对Spot5影像分类的影响[J]. 河南科技 2013(16)
    • [11].集成面向对象影像分析与KNN算法的多光谱遥感影像分类探讨[J]. 科技创新与应用 2019(11)
    • [12].极化SAR影像分类方法研究[J]. 测绘技术装备 2017(03)
    • [13].基于多特征组合与优化BoW模型的影像分类技术研究[J]. 系统仿真学报 2016(06)
    • [14].LSSVM算法在极化SAR影像分类中的应用[J]. 地理空间信息 2012(03)
    • [15].基于改进支持向量机方法的影像分类和目标识别研究[J]. 遥感信息 2010(06)
    • [16].深度学习U-Net方法及其在高分辨卫星影像分类中的应用[J]. 遥感技术与应用 2020(04)
    • [17].基于数据挖掘的影像分类方法[J]. 数字通信世界 2018(01)
    • [18].浅谈遥感图像监督分类与非监督分类[J]. 四川地质学报 2008(03)
    • [19].多尺度下的半自动面向对象SAR影像分类[J]. 武汉大学学报(信息科学版) 2013(03)
    • [20].一种基于决策树方法的遥感影像分类研究[J]. 地理空间信息 2016(08)
    • [21].基于Weka平台的C4.5算法在影像分类中的应用[J]. 测绘与空间地理信息 2017(05)
    • [22].聚类核值相似区特征点的医学影像分类[J]. 中国图象图形学报 2013(10)
    • [23].基于RS和GIS的土地利用动态监测技术及应用[J]. 黑龙江工程学院学报(自然科学版) 2009(03)
    • [24].基于模糊粗糙集的半监督影像分类算法[J]. 华中科技大学学报(自然科学版) 2016(01)
    • [25].环顾影像:德勒兹影像分类理论释读[J]. 上海大学学报(社会科学版) 2015(01)
    • [26].结合mRMR选择和IFCM聚类的遥感影像分类算法[J]. 测绘通报 2019(04)
    • [27].一种先分类后融合的变化检测的计算机实现方法[J]. 计算机光盘软件与应用 2012(10)
    • [28].基于IFCM聚类与变分推断的遥感影像分类[J]. 计算机工程与设计 2019(07)
    • [29].结合nDSM的高分辨率遥感影像深度学习分类方法[J]. 测绘通报 2019(08)
    • [30].结合Steger方法和影像分类的道路中心线提取[J]. 地理空间信息 2018(02)

    标签:;  ;  ;  ;  ;  ;  

    极化SAR影像分类方法研究
    下载Doc文档

    猜你喜欢