基于面向对象的极化SAR地物分类

发布时间：2017-08-13 12:05

  本文关键词：基于面向对象的极化SAR地物分类

  更多相关文章： 极化SAR 特征分析 极化分解 面向对象分析 地物分类

【摘要】：近年来,极化SAR地物分类应用十分广泛,除了在军事领域对军事目标的监测与识别,在民用领域中对农作物普查、环境监测、耕地以及城市用地占用、海洋溢油、船只监测也有重要的价值。本文通过对大连市Radarsat-2数据以及纽芬兰海岸SIR-C数据进行分析处理,提出了一种寻找最优分类特征子集,面向对象分析的研究思路,它包括极化分解、特征分析、面向对象分析、马氏距离和SVM分类算法。本文首先对全极化SAR数据做了简要分析,阐述了其从卫星微波信号到计算机图像的转化。然后,对SAR遥感图像的各种特征分门别类,主要划分为三大类,为：直接基于极化SAR原始数据的特征、基于目标分解获取的特征,以及图像的视觉特征。针对每一类特征都介绍了提取算法并给出了使用理由。再次,对三类特征进行子集划分,共组合了9个特征子集进行比较从而获得最优子集,并对其进行去冗余化。最后提出了在最优特征子集基础上进行面向对象分析的思想获得了理想的分类精度。实验证明,进行特征分析后,对某一种类型的地物存在最优的分类特征子集使得分类的精度以及地物的识别效果比较好,而且具有共性。最后在最优特征子集的基础上进行了面向对象分析,规避了传统分类的一些缺点,可以有效地抑制噪声,提高分类精度,减少各类地物之间的分类混淆。针对现有的图像分割算法速度慢,对复杂类型的地物分割效果不理想的情况,本文提出了一种先聚类初始分割,后Lambda合并的分类方法,并取得了理想的结果。鉴于实验的数据还不够充足,许多结论为初步得到,进一步的验证还需要更多的数据和实验
【关键词】：极化SAR 特征分析 极化分解 面向对象分析 地物分类
【学位授予单位】：大连海事大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TN957.52
【目录】：

• 摘要5-6
• ABSTRACT6-10
• 第1章 绪论10-16
• 1.1 前言10-11
• 1.2 极化SAR分类技术研究现状11-13
• 1.3 研究思路及内容流程图13-15
• 1.4 章节安排15-16
• 第2章 极化SAR图像处理16-32
• 2.1 电磁波极化16
• 2.2 极化波的表征16-19
• 2.3 散射体的极化表示19-23
• 2.4 目标分解理论23
• 2.5 SAR图像处理分类23-31
• 2.6 本章小结31-32
• 第3章 多特征分析32-68
• 3.1 极化图像32-37
• 3.1.1 大连市区数据32-36
• 3.1.2 LABRADOR湾海冰数据36-37
• 3.2 直接基于极化SAR原始数据提取的特征37-40
• 3.3 基于目标分解理论提取的特征40-47
• 3.3.1 PAULI分解40-42
• 3.3.2 CLOUDE分解42-45
• 3.3.3 FREEMAN分解45-47
• 3.3.4 YAMAGUCHI分解47
• 3.4 图像视觉特征47-50
• 3.5 特征甄选50-67
• 3.5.1 分类器52-55
• 3.5.2 实验结果55-67
• 3.6 本章小结67-68
• 第4章 基于面向对象和最优特征集的地物分类68-79
• 4.1 面向对象分割介绍68-73
• 4.2 面向对象分类73-74
• 4.3 实验结果74-78
• 4.4 本章小结78-79
• 结论79-80
• 参考文献80-86
• 致谢86

【参考文献】

中国博士学位论文全文数据库 前1条

1 杨新;极化SAR图像的分割和分类算法研究[D];电子科技大学;2008年

中国硕士学位论文全文数据库 前2条

1 纪阳阳;基于多类特征融合的步态识别算法[D];山东大学;2010年

2 刘进立;SAR图像分割与特征提取方法研究[D];辽宁大学;2013年

，

本文编号：667170