SAR图像自动分类器构造与算法的研究

发布时间：2017-04-24 03:01

  本文关键词：SAR图像自动分类器构造与算法的研究，由笔耕文化传播整理发布。

【摘要】：SAR(Synthetic Aperture Radar,合成孔径雷达)是一种主动式微波成像雷达,在成像雷达中起到十分重要的作用,在科学探索、国家安全和经济生产等诸多领域已被广泛应用。目前,SAR图像处理的研究领域主要包括图像斑点噪声抑制、边缘检测、特征提取和图像分类等,其中图像分类是SAR图像地面场景识别和解译的重要研究内容。本文对SAR图像分类进行深入的研究,主要研究内容如下所述:1.SAR图像由于受到相干斑点噪声的影响,使得其高精度的分类算法研究受到极大的挑战。为了提高SAR图像分类的性能,根据SAR图像的成像机理和统计特性,通过灰度共生矩阵特征的提取,结合纠错编码,构造了一种SAR图像分类的Ada Boost改进算法。并通过实验验证了该算法得到较好的分类结果,分类精度也得到了显著的提高。2.针对基于Ada Boost的SAR图像分类算法出现稳定性差和过度训练的问题,本文采用随机决策树函数为基本分类器,并应用再抽样Boot Strap方法来提升算法的稳定性和精度,以防止过度训练。随机将数据集拆分为两个子集:一个用于训练,一个用于验证。通过再抽样和训练验证步骤的反复迭代,以分类器多数投票的方式得到两类分类器,随后在结合纠错编码的基础上,构造最终的多类分类器。该方法能够估计用于分类的变量相关性,并采取相关措施来估计用于随机组合的变量的先验概率。同SVM、人工神经网络以及其他众所周知的分类方法相比,本文方法有明显的优势。
【关键词】：SAR图像 分类 AdaBoost 纠错编码 BootStrap
【学位授予单位】：天津理工大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TN957.52
【目录】：

• 中文摘要5-6
• abstract6-9
• 第一章 绪论9-15
• 1.1 研究意义9-10
• 1.2 国内外研究现状10-13
• 1.2.1 SAR图像特征提取10-11
• 1.2.2 SAR图像分类11-13
• 1.3 本文的主要研究内容13
• 1.4 本文的结构安排13-15
• 第二章 基础知识15-21
• 2.1 SAR的成像原理15-17
• 2.2 SAR图像的统计性质17-18
• 2.2.1 基于相干斑的先验假设统计模型17-18
• 2.2.2 基于实验数据的经验分布模型18
• 2.3 SAR图像的基本特性18-19
• 2.4 本章小结19-21
• 第三章 基于改进的AdaBoost的SAR图像分类方法21-32
• 3.1 AdaBoost算法21-23
• 3.1.1 AdaBoost算法的基本原理21-22
• 3.1.2 传统AdaBoost算法22-23
• 3.2 非平衡AdaBoost算法分析23-24
• 3.2.1 样本权重与抽样训练的关系与问题23-24
• 3.2.2 不同分类器对分类器集正样本识别能力的影响24
• 3.2.3 非平衡AdaBoost算法分析24
• 3.3 改进的AdaBoost分类器构造24-29
• 3.3.1 灰度共生矩阵（GLCM）的特征提取25-27
• 3.3.2 改进的AdaBoost分类器构造27-29
• 3.4 实验结果与分析29-30
• 3.5 本章小结30-32
• 第四章 基于BootStrap的AdaBoost的SAR图像分类方法32-43
• 4.1 基于随机决策树的AdaBoost算法32-34
• 4.2 基于BootStrap的AdaBoost算法34-35
• 4.3 分类变量的评估35-36
• 4.3.1 变量相关性35-36
• 4.3.2 生成基于变量随机选择的随机树36
• 4.4 基于纠错编码的多类分类问题36-37
• 4.4.1 自适应哈达玛矩阵编码方法37
• 4.5 分类精度的评价37-38
• 4.6 实验结果与分析38-42
• 4.6.1 本章算法的实验结果与分析38-40
• 4.6.2 同第三章提出算法的对比分析40-42
• 4.7 本章小结42-43
• 第五章 总结与展望43-45
• 5.1 本文工作总结43
• 5.2 本文创新点43-44
• 5.3 工作展望44-45
• 参考文献45-49
• 发表论文和科研情况说明49-50
• 致谢50-51

【参考文献】

中国期刊全文数据库 前4条

1 龙海翔;高鑫;;基于纹理和边缘的SAR图像SVM分类[J];计算机应用研究;2011年09期

2 王爽;段红;黄友锐;;基于改进的活动轮廓模型在图像分割中的应用[J];微计算机信息;2008年01期

3 李飞雪,李满春,赵书河;基于人工神经网络与决策树相结合模型的遥感图像自动分类研究[J];遥感信息;2003年03期

4 胡召玲;李海权;杜培军;;SAR图像纹理特征提取与分类研究[J];中国矿业大学学报;2009年03期

中国博士学位论文全文数据库 前1条

1 兰远东;基于图的半监督学习理论、算法及应用研究[D];华南理工大学;2012年

  本文关键词：SAR图像自动分类器构造与算法的研究，，由笔耕文化传播整理发布。

本文编号：323436