基于选择性集成的PolSAR图象分类研究

发布时间：2017-11-17 15:02

  本文关键词：基于选择性集成的PolSAR图象分类研究

  更多相关文章： 极化合成孔径雷达 分类 集成学习 选择性集成

【摘要】：极化合成孔径雷达(Pol SAR)技术相对于一般的合成孔径雷达(SAR)而言,它的系统可以利用通道之间具有的相对相位信息对目标存在的差异特性进行定量反映。其具有的优点在目标检测与识别、精细农业、监测灾害等方面有着巨大的利用价值。所以,Pol SAR分类也同样得到了科学界的广泛关注。对于传统的图象分类,人们训练的单一分类器往往会由于考虑问题的不全面从而使得图象的分类结果和实际存在较大差异,为处理这一存在的问题,引入了集成学习的概念,它将多个不同的具有差异的学习器进行训练并集成,进而得到相比于单一学习器而言更加精确理想的学习结果。但是并不意味着,只要使用大量的学习器就可以得到更好的学习结果,大量学习器的使用有可能导致预测出现负面效果。为解决该问题,选择性集成被提了出来,它的主要思想是在集成过程中选择部分而不是全部学习器参与集成从而获得更好的结果。本文结合Pol SAR图象特点,将选择性集成引入Pol SAR图象的分类中,从而提高Pol SAR图象的分类效果,促进Pol SAR图象分类技术的发展。本文研究内容主要包括以下三方面:(1)介绍了Pol SAR图象的基本散射模型,其特性的表示方法。分析了Pol SAR图象的极化特征和非极化特征提取方法,研究了基于散射模型的目标极化分解和纹理特征提取方法。(2)根据集成学习和选择性集成的基本思想,结合Pol SAR图象的特点,构造了Pol SAR图象选择性集成的基分类器,即构造基于支持向量机(SVM)和基于神经网络(NN)的Pol SAR图象分类。并采用EMISAR系统得到的Foulum地区和ESAR系统得到的德国Oberpfaffenhofen地区的全极化图象进行实验。(3)根据选择性集成的特点,研究了两种选择性集成的算法,分别为基于模糊C均值聚类的选择性集成和基于遗传算法的选择性集成,并结合两种算法的特点,将两种算法应用到Pol SAR图象分类中,得到全图分类结果和每类测试样本的分类精度,将选择性集成后的分类结果和基分类器分类后得到的结果进行对比,对精度和算法的优越性进行评估。
【学位授予单位】：哈尔滨工业大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TN957.52

【相似文献】

中国期刊全文数据库 前2条

1 李金龙,王上飞,陈恩红,许月华,王煦法;一种新的个性化的图象分类方法[J];中国图象图形学报;2002年11期

2 ;[J];;年期

中国硕士学位论文全文数据库 前1条

1 王骁;基于选择性集成的PolSAR图象分类研究[D];哈尔滨工业大学;2016年

，

本文编号：1196393