基于空间信息的极化sar图像分类方法

《基于空间信息的极化sar图像分类方法》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、基于空间信息的极化SAR图像分类方法作者姓名谢慧明导师姓名、职称王爽教授一级学科电子科学与技术二级学科电路与系统申请学位类别工学硕士提交学位论文日期2014年11月学校代码10701学号1202120845分类TN82号TN75密级公开西安电子科技大学硕士学位论文基于空间信息的极化SAR图像分类方法作者姓名：谢慧明一级学科：电子科学与技术二级学科：电路与系统学位类别：工学硕士指导教师姓名、职称：王爽教授提交日期：2014年11月PolarimetricSARImageClassificationBa

2、sedonSpatialInformationAthesissubmittedtoXIDIANUNIVERSITYinpartialfulfillmentoftherequirementsforthedegreeofMasterinElectronicScienceandTechnologyByXieHuimingSupervisor:Prof.WangShuangNovember2014西安电子科技大学学位论文独创性（或创新性）声明秉承学校严谨的学风和优良的科学道德，本人声明所呈交的论文是我个人在

3、导师指导下进行的研究工作及取得的研究成果。尽我所知，除了文中特别加以标注和致谢中所罗列的内容以外，论文中不包含其他人已经发表或撰写过的研究成果；也不包含为获得西安电子科技大学或其它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。学位论文若有不实之处，本人承担一切法律责任。本人签名：日期：西安电子科技大学关于论文使用授权的说明本人完全了解西安电子科技大学有关保留和使用学位论文的规定，即：研究生在校攻读学位期间论文工作的知识产权单位属于

4、西安电子科技大学。学校有权保留送交论文的复印件，允许查阅、借阅论文；学校可以公布论文的全部或部分内容，允许采用影印、缩印或其它复制手段保存论文。同时本人保证，获得学位后结合学位论文研究成果撰写的文章，署名单位为西安电子科技大学。保密的学位论文在年解密后适用本授权书。本人签名：导师签名：日期：日期：摘要摘要在极化合成孔径雷达(PolarimetricSyntheticApertureRadar)的众多应用中，极化SAR(SyntheticApertureRadar)图像分类就是其中最重要的应用之一。很

5、多传统的极化SAR图像分类方法都是基于像素的，尽管基于像素的分类方法得到了不错的分类效果，但是它们仍然存在一些缺点。主要的缺点是它们只是使用了极化SAR的数据信息，而没有利用图像的空间信息，这可能将导致得不到令人满意的分类结果，特别是对高分率图像进行分类时。本文主要研究基于空间信息的极化SAR图像分类方法，在将半监督分类方法和聚类算法应用于极化SAR图像分类时将空间信息加入到分类过程中。主要可以概括为以下三个方面：1.提出一种基于多层特征学习和空间信息的极化SAR图像半监督分类方法。考虑的是每类只有

6、一个原始标记样本的极端情况，并采用的是self-training的半监督分类方式，基分类器采用的能学习多层特征的栈式稀疏自编码器和softmax分类器构成的分类框架。该方法在将未标记样本选取为训练样本时考虑了空间信息。在考虑了空间信息之后，极化SAR图像的分类效果更好，正确率更高。2.由于上一个方法只在选取训练样本时考虑了空间信息，在分类的时候并没有对空间信息进行考虑，所以提出一种基于最小生成森林的极化SAR图像分类方法。本方法根据上一个方法的分类结果来进行种子点的选取。最小生成森林是由以这些种子点

7、为根的树构成的生成森林中权值和最小的。在同一棵树上的像素点是属于同一类的，具有与根相同的类标。本方法的分类效果要比上一个方法的分类效果好，同时正确率也得到了提高。3.提出了一种基于快速密度峰值寻找与发现的极化SAR图像分类方法。该方法首先用Turbopixel算法对极化SAR图像的Pauli分解得到的伪彩色图进行分割获得超像素，然后计算每个超像素与其他所有超像素之间的Wishart距离。再将计算得到的距离输入到快速密度峰值寻找与发现的聚类算法中去，得到分类结果和类别数。在聚类分类结束后，再进行一些后

8、处理，使一些超像素的类别为0。然后让每个超像素块中的所有像素点共享这个超像素块的类别，即每个超像素块中的所有像素点与这个超像素块的类别一致。最后对类别为0的像素点用监督Wishart方法进行重新分类。该方法具有较高的分类精度，能够自适应获得类别数。本文工作得到了国家自然科学基金（No.61173092）、新世纪优秀人才支持计划（No.66ZY110）和陕西省科学技术研究发展计划项目（No.2013KJXX-64）资助。关键词：极化SAR，空间信息，栈式稀疏编码，最小生