基于多特征融合的PolSAR飞机目标检测算法研究

发布时间：2021-11-21 20:11

　　极化合成孔径雷达（Polarimetric Synthetic Aperture Radar,PolSAR）是一种主动成像雷达,其工作频率低于S波段的微波频段,可避免来自云、雨、尘、雾等物质的影响,同时凭借其主动的工作方式,无需依赖太阳光源,因此可以实现昼夜成像。与单极化SAR不同的是,PolSAR是以散射矩阵的方式来对数据进行存储的,散射矩阵常与不同模型的散射矩阵相关联,因此可以提取地物更加丰富的极化信息。凭借其优点,PolSAR已广泛应用于各个领域,如地物分类、地形绘制和制图、打击效果评估、自然灾害预防等。论文围绕PolSAR图像数据,主要研究了PolSAR在地物分类以及目标检测两方面的研究内容。针对PolSAR图像无监督分类的研究内容,本文主要分析了目前以H/?分解为基础的无监督分类方法所存在的分类精度不足的问题,造成该问题的主要原因是目标内部的结构信息未能得到充分的利用,因此本文提出了H/?分解与散射特性相融合的无监督PolSAR图像分类算法,算法首先利用H/?平面将图像粗分为八类,然后利用散射相似性特征分析目标内部的结构信息,根据目标内部的信息将粗分类的结果进行进一步的划分,... 

【文章来源】：中国民航大学天津市

【文章页数】：70 页

【学位级别】：硕士

【部分图文】：

边缘窗口

（a）原始 Pauli 图 （b）参考光学图图 2-5 Kahului 机场数据Kone 机场数据ne 机场数据是由 UAVSAR 系统采集的全极化数据，采集波段为 数为 4，距离向、方位向分辨率分别为 7.2m 和 4.99m，图像大小像场景中包含了 15 架飞机，此外还包含了城区、林区、海洋、车 2-6（a）给出了 Kone 机场数据的原始 Pauli 图，图 2-6（b）给出据对应区域的光学参考图（非同一时期采集）。

（a）原始 Pauli 图 （b）参考光学图图 2-7 Kanneohe-Bay 机场数据 Marine-Corps-Air-Station 机场数据arine-Corps-Air-Station 机场数据是由 UAVSAR 系统采集的全极化段为 L 波段，等效视数为 4，距离向、方位向分辨率分别为 7.2m 和 4小为 908 732，图像场景中包含了 26 架飞机，此外还包含了城区、车辆等目标，图 2-8（a）给出了 Marine-Corps-Air-Station 机场数据图，图 2-8（b）给出了 Marine-Corps-Air-Station 机场数据对应区域（非同一时期采集）。

【参考文献】：
期刊论文
[1]基于特征融合与软判决的遥感图像飞机检测[J]. 朱明明,许悦雷,马时平,李帅,马红强.  光学学报. 2019(02)
[2]基于3D卷积神经网络的PolSAR图像精细分类[J]. 张腊梅,陈泽茜,邹斌.  红外与激光工程. 2018(07)
[3]基于非负特征值分解和SVM的极化SAR图像分类[J]. 陆翔,章皖秋,郑雅兰,岳彩荣.  林业调查规划. 2018(03)
[4]基于边界链码的飞机目标检测方法[J]. 王毅,陈滨,杜亚杰,赵建军.  兵工自动化. 2018(02)
[5]基于典型散射差异指数的PolSAR图像Lee滤波[J]. 韩萍,韩宾宾.  系统工程与电子技术. 2018(02)
[6]基于Faster RCNN以及多部件结合的机场场面静态飞机检测[J]. 戴陈卡,李毅.  计算机应用. 2017(S2)
[7]基于相似度网络融合的极化SAR图像地物分类[J]. 张月,邹焕新,邵宁远,秦先祥,周石琳,计科峰.  系统工程与电子技术. 2018(02)
[8]基于卷积神经网络的高分辨率SAR图像飞机目标检测方法[J]. 王思雨,高鑫,孙皓,郑歆慰,孙显.  雷达学报. 2017(02)
[9]深度学习在SAR目标识别与地物分类中的应用[J]. 徐丰,王海鹏,金亚秋.  雷达学报. 2017(02)
[10]显著图和多特征结合的遥感图像飞机目标识别[J]. 吴喆,曾接贤,高琪琪.  中国图象图形学报. 2017(04)

博士论文
[1]宽带极化信息处理的研究[D]. 王雪松.国防科学技术大学 1999



本文编号：3510157