基于极化比特征和近邻传播聚类算法的极化SAR图像分类

发布时间：2022-12-22 20:28

　　与合成孔径雷达相比,极化合成孔径雷达能够获得更加丰富的地物信息,又因为其可以全天时、全天候的对地进行勘探,所以基于全极化SAR数据的图像处理技术得到了快速发展与应用,极化SAR图像分类就是重要的应用之一。本文在国家自然科学基金面上项目（基于协同半监督学习和稀疏表示的极化SAR地物分类,61173092）,国家自然科学基金面上项目（基于生成式对抗网络的极化SAR地物分类,61771379）等项目的支持下,结合极化特征和近邻传播聚类算法,提出了三种改进的极化SAR图像无监督分类方法,内容如下:1.定义了一种极化比特征。通过分析散射矩阵的三个极化通道,发现不同通道所携带的信息内容和信息量都不相同,针对这一现象,本文定义了一种极化比特征,并将该特征与散射总功率和散射功率熵相结合,完成极化SAR图像的初始分类,然后在初始分类的基础上利用层次聚类算法对数据进行聚类,进一步改善了图像的分类效果。2.提出了一种基于距离信息和密度信息融合的近邻传播聚类算法。传统的近邻传播聚类算法在计算样本点之间的相似度时只考虑了数据的距离信息,忽略了数据间的密度信息对相似度度量的影响。针对这一问题,本文将数据中包含的距... 

【文章页数】：87 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
符号对照表
缩略语对照表
第一章 绪论
    1.1 研究背景
    1.2 国内外研究现状
    1.3 论文内容与安排
第二章 极化SAR理论基础知识
    2.1 电磁波的极化及其表征形式
    2.2 极化数据的表示形式
        2.2.1 极化散射矩阵
        2.2.2 Muller矩阵
        2.2.3 Kennaugh矩阵
        2.2.4 相干矩阵与协方差矩阵
    2.3 极化目标分解
        2.3.1 相干目标分解
        2.3.2 非相干目标分解
    2.4 本章小结
第三章 基于极化比特征的极化SAR图像分类
    3.1 引言
    3.2 极化比特征
    3.3 类别合并算法
    3.4 基于极化比特征的极化SAR图像分类
    3.5 实验结果与分析
        3.5.1 极化比特征的验证实验以及结果分析
        3.5.2 本章方法的实验结果及分析
    3.6 本章小结
第四章 基于距离信息和密度信息融合的近邻传播聚类算法
    4.1 引言
    4.2 基于AP算法的极化SAR图像分类
        4.2.1 近邻传播聚类算法
        4.2.2 基于Wishart距离的AP算法
        4.2.3 基于Markov先验模型的相似度矩阵
    4.3 基于距离信息和密度信息融合的近邻传播聚类算法
        4.3.1 初始分类
        4.3.2 相似度矩阵的构造
        4.3.3 本章方法的实现
    4.4 实验结果与分析
    4.5 本章小结
第五章 基于改进偏向参数的近邻传播聚类算法
    5.1 引言
    5.2 近邻传播聚类算法中的相关参数
    5.3 基于改进偏向参数的近邻传播聚类算法
        5.3.1 偏向参数的改进
        5.3.2 本章方法的实现
    5.4 实验结果与分析
    5.5 本章小结
第六章 总结与展望
    6.1 本文的创新之处
    6.2 进一步研究的方向
参考文献
致谢
作者简介


【参考文献】：
期刊论文
[1]基于自然邻的自适应谱聚类算法[J]. 朱庆生,付飘飘,张程.  计算机技术与发展. 2017(11)
[2]基于DBN模型的遥感图像分类[J]. 吕启,窦勇,牛新,徐佳庆,夏飞.  计算机研究与发展. 2014(09)
[3]采用自适应邻域马尔可夫场的极化SAR图像分割[J]. 张涛,胡风明,杨汝良.  测试技术学报. 2009(05)
[4]一种新的极化SAR图像非监督分类算法研究[J]. 邹同元,杨文,代登信,孙洪.  武汉大学学报(信息科学版). 2009(08)

博士论文
[1]多极化合成孔径雷达系统与极化信息处理研究[D]. 戴博伟.中国科学院电子学研究所 2000

硕士论文
[1]基于K-wishart分布的极化SAR图像分类研究[D]. 李崇谦.西安电子科技大学 2013
[2]基于深度学习的极化SAR分类研究[D]. 郭岩河.西安电子科技大学 2015
[3]面向小样本问题的极化SAR地物分类[D]. 张妍妍.西安电子科技大学 2017



本文编号：3723986