基于深度网络的SAR图像地物分类算法研究

发布时间：2020-03-19 09:35

【摘要】：合成孔径雷达(Synthetic Aperture Radar,SAR)利用微波成像技术,具有全天时、全天候工作的优势,其已广泛应用于军用领域和民用领域。SAR图像地物分类是SAR图像解译与分析的重要内容之一,其目的是分辨出每个像素点所属的类别信息。随着SAR成像技术的快速发展,SAR图像从低中分辨率向高分辨率发展。与传统低中分辨率SAR图像相比,高分辨率SAR图像具有结构信息丰富、场景信息复杂和数据量庞大等显著特点。因而,传统低中分辨率的SAR图像分类方法难以满足高分辨率SAR图像分类的应用需求,设计有效的分类特征是解决高分辨率SAR图像分类问题的关键。针对上述问题,本文研究了基于传统纹理特征的SAR图像地物分类方法、基于卷积神经网络的SAR图像地物分类方法、基于超像素分割和卷积反卷积网络的SAR图像地物分类方法以及基于生成对抗网络的SAR图像地物分类方法。本论文内容安排如下:1.介绍了SAR图像地物分类的研究背景及意义、国内外研究现状、深度学习发展概况和本文主要研究内容及结构安排。2.研究了基于纹理特征的SAR图像地物分类方法。首先,简要地介绍了常见的纹理特征。然后,对多级局部模式直方图纹理特征的提取方法进行了详细地阐述,其可分为图像量化、模式矩阵分裂和直方图计算与合并三个步骤。最后,使用实测SAR数据进行了算法仿真,验证该算法的有效性。3.研究了基于深度卷积神经网络的SAR图像地物分类方法。首先,介绍了深度学习的基础理论知识,其中包括M-P神经元模型、反向传播算法和卷积神经网络等。然后,介绍了基于卷积神经网络的SAR图像地物分类算法。随后介绍了基于超像素分割和卷积反卷积网络的SAR图像分类算法。最后,针对上述两种方案使用实测SAR图像进行了算法验证。与传统纹理特征相比,基于深度网络的SAR图像分类方法能够有效地学习特征表示,获得较高的识别率。4.研究了基于生成对抗网络的SAR图像地物分类算法。首先,介绍了生成对抗网络的相关理论知识。随后对深度卷积生成对抗网络的基本模型和应用进行详细地介绍。最后,将生成对抗网络应用于SAR图像地物分类问题中,使用基于生成对抗网络的SAR图像分类方法在真实SAR图像上进行了实验。通过实验结果发现,该算法在训练样本数目较少时仍可以获得较为满意的分类结果。
【图文】：

西安电子科技大学硕士学位论文测试图像的高度和宽度。 c ( h , w) 表示第 (表示第( h , w) 个像素的真实标记结果。 1 反映算法对整个测试图各个类别平均分类1( )AA=LTlLAccuracy lT )表示第l 类地物类型的分类准确率。
【学位授予单位】：西安电子科技大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TN957.52;TP18

【相似文献】

相关期刊论文 前10条

1 贾丽娟;;关于图像分辨率的教学思考[J];印刷世界;2011年05期

2 丁晓莲;周激流;李晓华;吴朋;;人脸识别率与图像分辨率关系的比较分析[J];计算机工程;2009年11期

3 张秀屏，刘锡国，丛玉良;提高彩电图像分辨率的研讨[J];光学精密工程;1994年02期

4 卫红;为DVD机配哪种彩电[J];家庭科技;2000年07期

5 卜丽静;张铭娟;陈方惠;许峥辉;赵晓宇;;利用地面靶标的超分辨率重建图像分辨率评价[J];测绘科学;2019年12期

6 ;斯波特5卫星商业图像分辨率将达2.5m[J];国际太空;1997年05期

7 宋其华;郭根生;;解析计算机图像分辨率[J];中国电化教育;2003年11期

8 谷梗;;数字图像分辨率定义与其计量方法——对“数字电影技术术语普及读本”有关条目的商榷意见[J];现代电影技术;2013年07期

9 ;教你详细了解各种分辨率[J];计算机与网络;2011年24期

10 谢美华;王正明;;图像分辨率增强的偏微分方程方法[J];遥感学报;2005年06期

相关会议论文 前10条

1 杨德强;苏光大;徐天伟;;一种基于幻想脸的人脸图像分辨率提升新技术[A];第二十七届中国控制会议论文集[C];2008年

2 翟广涛;;基于二进小波变换的图像分辨率增强算法[A];2003年中国智能自动化会议论文集（下册）[C];2003年

3 任晓晖;龚勇清;;体全息存储再现图像分辨率实验研究[A];第十一届全国光学测试学术讨论会论文（摘要集）[C];2006年

4 陈乐;强天鹏;章有为;;小径管CR射线检测图像分辨率研究[A];2017远东无损检测新技术论坛论文集[C];2017年

5 赵源萌;邓朝;张馨;张存林;;被动式人体太赫兹安检成像的分辨率增强算法研究[A];中国光学学会2011年学术大会摘要集[C];2011年

6 张月婷;仇晓兰;丁赤飚;雷斌;付琨;;高分辨率SAR图像桥梁目标仿真与特性分析[A];第三届高分辨率对地观测学术年会（地面系统与应用技术分会）优秀论文集[C];2014年

7 张龙;张翔;孟新秀;;基于图像的舰船目标识别技术研究[A];2019年全国公共安全通信学术研讨会优秀论文集[C];2019年

8 郑虹;曾坤;郭迪;应佳熙;杨钰;彭玺;陈忠;屈小波;;基于梯度引导的边缘增强多对比度脑部MRI图像超分辨[A];2018第二十届全国波谱学学术年会会议论文摘要集[C];2018年

9 吴明晓;张晶;;基于深度学习的颈动脉超声图像斑块识别方法[A];中国医学装备大会暨2019医学装备展览会论文汇编[C];2019年

10 蔡世学;;最新研制的一种小型空载图象雷达成果[A];第十三届全国遥感技术学术交流会论文摘要集[C];2001年

相关重要报纸文章 前10条

1 记者 刘霞;迄今最详细人脑图像“出炉”[N];科技日报;2019年

2 记者 刘海英;商用打印机印制出隐形图像[N];科技日报;2016年

3 尹长城 北京大学医学部生物物理学系教授 分析中心电镜室主任 中国生物物理学会冷冻电镜分会副理事长 中国电子显微学会低温电镜专业委员会主任;获诺奖的冷冻电镜是何方“神器”？[N];北京科技报;2017年

4 刘筱霞;陈永常;PHOTOSHOP中图像分辨率的设置[N];中国包装报;2002年

5 WLF;细说分辨率[N];电脑报;2003年

6 记者 曾遗荣邋通讯员 冷承秋 实习生 向哲林;美国一高科技公司将落户武汉[N];湖北日报;2007年

7 金凤;无需眼镜就能看 能听还能“摸”的3D影像来了[N];科技日报;2019年

8 燕兰;先科电子：为品牌DVD正名[N];中国经营报;2000年

9 宋连党;家庭VCD像册大制作[N];中国电脑教育报;2003年

10 ;第四代超级CCD的实力[N];计算机世界;2004年

相关博士学位论文 前10条

1 陈文斌;低剂量CT图像伪影消除及细节保护算法研究[D];中北大学;2019年

2 曹晓欢;基于机器学习的医学图像非线性配准技术研究[D];西北工业大学;2018年

3 鞠铭烨;图像去雾处理模型与算法研究[D];南京邮电大学;2018年

4 樊春玲;数据驱动的图像感知和质量评价方法[D];中国科学院大学(中国科学院深圳先进技术研究院);2019年

5 卞春江;光学遥感图像有效区域在轨实时检测与压缩技术研究[D];哈尔滨工业大学;2018年

6 牛仁杰;星载ATP图像处理平台关键技术研究[D];中国科学院大学(中国科学院光电技术研究所);2018年

7 穆楠;夜间场景下显著目标检测方法研究[D];武汉科技大学;2019年

8 张士杰;超像素级图像组协同关联性分析与研究[D];天津大学;2017年

9 王文胜;宽幅光学遥感图像舰船飞机目标检测识别技术研究[D];中国科学院大学(中国科学院长春光学精密机械与物理研究所);2018年

10 孙琨;图像匹配与场景三维重建方法研究[D];华中科技大学;2017年

相关硕士学位论文 前10条

1 刘一贤;面向交通安全的去雾图像清晰化技术研究[D];西南科技大学;2018年

2 张荻;基于深度学习的SAR图像舰船目标识别方法研究[D];国防科技大学;2017年

3 巩文盼;太赫兹同轴全息再现图像的U-NET及其复合分割算法研究[D];哈尔滨工业大学;2019年

4 谷枫;图像的聚类和检测算法研究[D];国防科技大学;2017年

5 孙海宇;基于回归模型的相似图像编码算法[D];西安电子科技大学;2019年

6 欧智潜;基于参考图像合成的快速群体图像编码算法[D];西安电子科技大学;2019年

7 郑晓宇;单芯片高清高速图像采集系统设计与实现[D];大连理工大学;2019年

8 李召;光电图像实时采集系统设计[D];西安电子科技大学;2019年

9 秦庆喜;基于深度网络的SAR图像地物分类算法研究[D];西安电子科技大学;2019年

10 马菲;高分辨SAR图像车辆目标检测的FPGA设计[D];西安电子科技大学;2019年

，

本文编号：2590051