基于集成学习的全极化SAR图像分类研究

发布时间：2016-11-19 09:41

  本文关键词：基于集成学习的全极化SAR图像分类研究，，由笔耕文化传播整理发布。

《南京大学》 2015年

基于集成学习的全极化SAR图像分类研究

阿里木·赛买提(Alim.Samat)  

【摘要】：极化SAR具有主动、全天候、全天时、侧视成像、探测信号物理意义明确等优势,近年来一系列商业化高分辨率星载极化SAR传感器如RADARSAT-2、ALOS PALSAR、TerraSAR-X、COSMO-SkyMed和Sentinel-1等投入使用,使星载多/全极化SAR图像在灾害监测、森林遥感、城市化、农作物长势监测与制图等地球环境监测中得到广泛应用。其中,利用全极化SAR (PolSAR)图像进行地物分类与信息提取一直是一个非常重要的研究方向,当前研究主要以新分类方法开发与分类特征集优化为主。然而,从方法适用性角度来看,难以保证某一种或几种分类方法适用于所有PolSAR图像分类问题。此外,现有的极化分解方法只能分解出非常有限的地物散射特性,在地物类型较多、复杂环境下难以正确区分不同的地物类型。PolSAR图像相干斑滤波及特征提取特征优化对最后分类结果具有明显的影响,而不同滤波器、不同特征选择方法、不同提取方法间差异性互补信息在PolSAR图像分类中并没有得到充分研究。因此,本论文依据国家自然科学基金“基于集成学习的星载全极化SAR图像分类与信息解译”(课题编号：41171323)、国家自然科学基金委员会(NSFC)-爱丁堡皇家学会(RSE)合作项目“用于地震灾害破坏评估的极化SAR图像处理新方法研究(61211130126)”等对PolSAR高精度信息解译需求,以集成学习理论与方法为分类框架,以多样性提升和新型分类器研建为重点,从PolSAR图像相干斑滤波结果多样性集成、特征集多样性优化、极限学习机新型分类器引入与集成分类为主线,开展集成学习新方法在PolSAR图像地物分类中的应用研究。论文以内蒙古自治区上库力农场RADARSAT-2全极化SAR图像土地覆盖分类为为主要研究对象,并借助国际通用全极化SAR数据,提出了若干基于集成学习的PolSAR图像分类方法,并予以全面分析评价。主要研究结论和创新点：(1)建立了基于滤波结果多样性集成的PolSAR图像分类框架。以提升分类器集成中的成员分类器多样性为目标,考虑了单滤波器-单窗口-多分类器集成、同滤波器-多窗口-同质多分类器集成、及多滤波器-多窗口-多分类器集成三种提升多样性的方案。试验结果表明以上集成学习方法都能不同程度(2%-20%)提高PolSAR图像分类精度。其中,多滤波器-多窗口-多分类器集成通过输入数据多样化、分类器多样化提高了集成学习中各成员之间的差异性和互补性,取得最高的分类精度,并可保留图像更详细的细节特征。(2)提出了基于特征重构和特征集多样性集成的PolSAR图像分类方法,利用PolSAR图像中计算的多种特征和不同极化分解分量,通过特征提取、特征选择和特征集成,通过多样化的特征空间重构,提升了集成学习用于土地覆盖分类的性能。试验结果表明形态学剖面、香浓熵、相干矩阵特征值、各向异性度、体散射、表面散射等特征更适于分类。特征选择、特征提取和分类器多样性集成能够显著提高分类精度。其中,特征选择多样性集成优于特征提取多样性集成,特征选择与特征提取混合多样性集成方法能取得最好的分类结果。(3)建立了基于极限学习机、核极限学习机和极限学习机集成的PolSAR图像分类分类方法。借助集成学习中的Bagging和AdaBoost对极限学习机的弱特性进行了改进,并提出多核极限学习机的Boosting集成方法。结果表明,极限学习机适用于PolSAR图像分类,且通过Bagging、AdaBoost、多核运算、Boosting集成等改进后,能够取得更好的分类结果。(4)研究表明集成学习能够充分集成不同特征集、不同分类器的优势,克服PolSAR影像分类特征区分能力有限、分类性能不稳定等限制,有效提高了上库力农场RADARSAT-2全极化SAR图像土地覆盖分类精度,特别是对于极化分解、监督性Wishart等常规方法难以区分的地物分类效果明显,同时应用于国际上通用测试数据集也取得优于常规方法的分类精度。因此,基于滤波结果多样性集成和特征集多样性学习分类、基于核极限学习机和极限学习机集成的分类在PolSAR影像分类中具有较大的应用前景。

【关键词】：
【学位授予单位】：南京大学
【学位级别】：博士
【学位授予年份】：2015
【分类号】：P237;P315.9
【目录】：

下载全文 更多同类文献

CAJ全文下载

(如何获取全文？ 欢迎：购买知网充值卡、在线充值、在线咨询)

CAJViewer阅读器支持CAJ、PDF文件格式

【参考文献】

中国期刊全文数据库 前10条

1 张中山;余洁;燕琴;孟云闪;赵争;;基于核独立成分分析的极化SAR图像相干斑抑制[J];测绘学报;2011年03期

2 江勇;张晓玲;师君;;极化SAR改进Lee滤波相干斑抑制研究[J];电子科技大学学报;2009年01期

3 陈强;蒋咏梅;陆军;匡纲要;;基于目标散射相似性的POLSAR图像无监督地物散射分类新方案[J];电子学报;2010年12期

4 王崇骏,于汶滌,陈兆乾,谢俊元;一种基于遗传算法的BP神经网络算法及其应用[J];南京大学学报(自然科学版);2003年05期

5 谭东宁,谭东汉;小样本机器学习理论:统计学习理论[J];南京理工大学学报;2001年01期

6 张中山;燕琴;余洁;李岩;;基于粒子群算法的全极化SAR图像非监督分类算法研究[J];武汉大学学报(信息科学版);2010年08期

7 杜培军;王小美;谭琨;夏俊士;;利用流形学习进行高光谱遥感影像的降维与特征提取[J];武汉大学学报(信息科学版);2011年02期

8 邹斌;张腊梅;裴彩红;张晔;;基于SVM的POL-SAR图像分类研究[J];遥感技术与应用;2007年05期

9 周晓光;匡纲要;万建伟;;多极化SAR图像斑点抑制综述[J];中国图象图形学报;2008年03期

10 杜培军;阿里木·赛买提;;高分辨率遥感影像分类的多示例集成学习[J];遥感学报;2013年01期

【共引文献】

中国期刊全文数据库 前10条

1 姜忠山;宋超;朱飞翔;司维超;;遗传算法优化BP神经网络在转速PID控制中的应用[J];兵工自动化;2009年03期

2 肖业云;马国华;单晓泉;;指挥信息系统的电磁防护[J];兵工自动化;2010年07期

3 周晶;宋辉;李铁;李明海;;一种基于SVM的航舵故障诊断方法[J];兵工自动化;2012年04期

4 郭宏科;卢博友;张文娟;;工业局域网互联电缆的阻抗匹配技术研究[J];宝鸡文理学院学报(自然科学版);2008年04期

5 刘翠红;吴畏;蒋晖;朱旭忠;王建永;;电容器教学中的两个错误结论[J];湖南文理学院学报(自然科学版);2011年03期

6 程顺,崔占忠;电容探测器理论分析及数值计算[J];传感器技术;2004年11期

7 郑岗;赵亮;;金属厚度的脉冲涡流无损检测研究[J];传感器与微系统;2006年04期

8 欧阳群东;巫兆聪;彭检贵;;一种改进的精制极化Lee滤波算法[J];测绘科学;2011年05期

9 张中山;余洁;燕琴;孟云闪;赵争;;基于核独立成分分析的极化SAR图像相干斑抑制[J];测绘学报;2011年03期

10 伍刚;樊习英;;基于给定参数对圆形微带天线馈源的确定[J];电测与仪表;2006年10期

中国重要会议论文全文数据库 前5条

1 胡伟东;陈重;吕昕;;电磁场理论的精品教学与实践[A];电子高等教育学会2008年学术年会论文集[C];2008年

2 景军锋;王波;李鹏飞;;织物含水率在线检测研究[A];2009中国仪器仪表与测控技术大会论文集[C];2009年

3 张鑫;崔占忠;徐立新;;电极数目对电容近炸引信作用距离的影响[A];2010中国仪器仪表与测控技术大会论文集[C];2010年

4 刘逍逸;钱亦平;周红生;;新型磁致伸缩换能器直流偏置电流的设计[A];第三届上海——西安声学学会学术会议论文集[C];2013年

5 王越冬;黄翔东;孔祥博;;基于双边滤波极化SAR相干斑抑制[A];第九届全国信号和智能信息处理与应用学术会议专刊[C];2015年

中国博士学位论文全文数据库 前10条

1 鲁凤;生态足迹变化的动力机制及生态足迹模型改进研究[D];华东师范大学;2011年

2 陈曦;双带电磁带隙结构及多层媒质传播网络理论[D];西安电子科技大学;2011年

3 孙晓霞;基于多极化SAR影像的土地利用/土地覆盖变化检测方法研究[D];中国矿业大学;2011年

4 马建伟;精密电液伺服阀几何因素与性能指标映射关系研究[D];大连理工大学;2011年

5 孙大宇;制造业柔性决策支持系统及智能技术应用约束条件研究[D];机械科学研究院;2003年

6 梅建新;基于支持向量机的高分辨率遥感影像的目标检测研究[D];武汉大学;2004年

7 潘远亮;基于PLCC技术的汽车内数据传输应用研究[D];重庆大学;2004年

8 姜谙男;大型洞室群开挖与加固方案反馈优化分析集成智能方法研究[D];东北大学;2005年

9 章国庆;变分法及其在非线性微分差分方程（组）中的应用[D];西安电子科技大学;2005年

10 何学文;基于支持向量机的故障智能诊断理论与方法研究[D];中南大学;2004年

中国硕士学位论文全文数据库 前10条

1 杜二玲;拟概率空间上等均值噪声下统计学习理论的理论基础[D];河北大学;2007年

2 夏敬婵;基于结构模态参数和SVM的结构损伤识别研究[D];河南理工大学;2010年

3 白彦丽;电磁脉冲对开孔屏蔽腔耦合效应的仿真分析[D];沈阳理工大学;2010年

4 梁磊;基于灰色支持向量机的建模方法研究及应用[D];华东理工大学;2011年

5 杨艺;基于支持向量机的煤矿瓦斯涌出量预报器的研究[D];昆明理工大学;2009年

6 杨大海;极化SAR相干斑抑制若干问题研究[D];解放军信息工程大学;2010年

7 王锟德;基于支持向量机的SAR目标分类识别[D];电子科技大学;2011年

8 安明;基于负载牵引法的微波大功率自动调配器的控制软件的研究及其应用[D];西安电子科技大学;2011年

9 魏邦友;预兼容实验室校准技术的研究[D];西安电子科技大学;2011年

10 何茂伟;基于负载/源牵引法的大功率自动调配器的研制与应用[D];西安电子科技大学;2011年

【二级参考文献】

中国期刊全文数据库 前10条

1 黄世奇;刘代志;;SAR图像斑点噪声抑制方法与应用研究[J];测绘学报;2006年03期

2 杨沈斌;李秉柏;申双和;张萍萍;;基于特征保持的线性多通道最优求和SAR图像滤波算法[J];测绘学报;2006年04期

3 李林宜;李德仁;;基于免疫粒子群优化算法的影像纹理分类[J];测绘学报;2008年02期

4 陈红艳;李磊民;;基于ICA的极化SAR图像相干斑抑制[J];电子科技大学学报;2006年04期

5 刘秀清,杨汝良;基于全极化SAR非监督分类的迭代分类方法[J];电子学报;2004年12期

6 曹芳;洪文;吴一戎;;基于Cloude-Pottier目标分解和聚合的层次聚类算法的全极化SAR数据的非监督分类算法研究[J];电子学报;2008年03期

7 皮亦鸣,邹琪,黄顺吉;极化SAR相干斑抑制——极化白化滤波器[J];电子与信息学报;2002年05期

8 陈红艳;付毓生;张睿;皮亦鸣;;基于ICA-SCS算法的极化SAR图像相干斑抑制[J];电子与信息学报;2007年04期

9 杨磊;刘伟;王志刚;;加权全极化SAR图像非监督Wishart分类方法[J];电子与信息学报;2008年12期

10 李杰;程义民;葛仕明;曾丹;;基于显著点特征多示例学习的图像检索方法[J];光电子.激光;2008年10期

中国博士学位论文全文数据库 前2条

1 张连蓬;基于投影寻踪和非线性主曲线的高光谱遥感图像特征提取及分类研究[D];山东科技大学;2003年

2 薛云峰;源信号自适应的独立成分分析算法应用与研究[D];上海交通大学;2009年

中国硕士学位论文全文数据库 前2条

1 田金凤;基于独立分量分析的遥感图像相干斑抑制[D];电子科技大学;2005年

2 陈红艳;极化SAR图像相干斑抑制研究[D];电子科技大学;2006年

【相似文献】

中国期刊全文数据库 前10条

1 张沧生;崔丽娟;杨刚;倪志宏;;集成学习算法的比较研究[J];河北大学学报(自然科学版);2007年05期

2 朱敏;张永清;李梦龙;周大威;黄俊;;基于集成学习方法的蛋白质相互作用预测[J];四川大学学报(工程科学版);2011年03期

3 ;勘误[J];国土资源遥感;2014年01期

4 李凯;常圣领;高悦;;基于聚类技术的集成学习方法研究[J];河北大学学报(自然科学版);2009年02期

5 虞凡;杨利英;覃征;;异构集成学习中的观察学习机制研究(英文)[J];广西师范大学学报(自然科学版);2006年04期

6 李国正;李丹;;集成学习中特征选择技术[J];上海大学学报(自然科学版);2007年05期

7 杜培军;阿里木·赛买提;;高分辨率遥感影像分类的多示例集成学习[J];遥感学报;2013年01期

8 时雷;虎晓红;席磊;;基于集成学习的网页分类算法[J];郑州大学学报(理学版);2009年03期

9 王功孝;吴渝;李伟生;;基于粗糙集和集成学习的聊天知识抽取算法[J];广西师范大学学报(自然科学版);2008年03期

10 丁爽;白晨希;申石磊;;一种基于小波变换特征提取的集成学习算法[J];鲁东大学学报(自然科学版);2010年02期

中国重要会议论文全文数据库 前4条

1 关菁华;刘大有;贾海洋;;自适应多分类器集成学习算法[A];第二十五届中国数据库学术会议论文集（二）[C];2008年

2 刘伍颖;王挺;;一种多过滤器集成学习垃圾邮件过滤方法[A];第三届全国信息检索与内容安全学术会议论文集[C];2007年

3 叶红云;倪志伟;陈恩红;;一种混合型集成学习演化决策树算法[A];2005年“数字安徽”博士科技论坛论文集[C];2005年

4 李烨;蔡云泽;许晓鸣;;基于支持向量机集成的故障诊断[A];第16届中国过程控制学术年会暨第4届全国故障诊断与安全性学术会议论文集[C];2005年

中国博士学位论文全文数据库 前10条

1 阿里木·赛买提(Alim.Samat);基于集成学习的全极化SAR图像分类研究[D];南京大学;2015年

2 张春霞;集成学习中有关算法的研究[D];西安交通大学;2010年

3 刘天羽;基于特征选择技术的集成学习方法及其应用研究[D];上海大学;2007年

4 尹华;面向高维和不平衡数据分类的集成学习研究[D];武汉大学;2012年

5 王清;集成学习中若干关键问题的研究[D];复旦大学;2011年

6 方育柯;集成学习理论研究及其在个性化推荐中的应用[D];电子科技大学;2011年

7 侯勇;特征提取与集成学习算法的研究及应用[D];北京科技大学;2015年

8 李烨;基于支持向量机的集成学习研究[D];上海交通大学;2007年

9 程丽丽;支持向量机集成学习算法研究[D];哈尔滨工程大学;2009年

10 林智勇;基于核方法的不平衡数据学习[D];华南理工大学;2009年

中国硕士学位论文全文数据库 前10条

1 高伟;基于半监督集成学习的情感分类方法研究[D];苏州大学;2015年

2 宋文展;基于抽样的集成进化算法研究[D];广西大学;2015年

3 张妤;支持向量机集成学习方法研究[D];山西大学;2008年

4 李涛;基于条件互信息的集成学习的研究与应用[D];中国海洋大学;2009年

5 杨长盛;基于成对差异性度量的选择性集成学习方法研究[D];安徽大学;2010年

6 曹振田;基于Q统计量的选择性集成学习研究[D];安徽大学;2010年

7 王丽丽;集成学习算法研究[D];广西大学;2006年

8 马冉冉;集成学习算法研究[D];山东科技大学;2010年

9 张新东;集成学习及其应用研究[D];石家庄经济学院;2010年

10 吴科主;基于多任务的多层次选择性集成学习的研究[D];安徽工业大学;2010年

  本文关键词：基于集成学习的全极化SAR图像分类研究，由笔耕文化传播整理发布。

本文编号：182357