基于素描信息和贝叶斯网络特征学习的SAR图像语义分割

基于素描信息和贝叶斯网络特征学习的SAR图像语义分割

ID:37028677

大小:3.59 MB

页数:79页

时间:2019-05-15

基于素描信息和贝叶斯网络特征学习的SAR图像语义分割_第1页
基于素描信息和贝叶斯网络特征学习的SAR图像语义分割_第2页
基于素描信息和贝叶斯网络特征学习的SAR图像语义分割_第3页
基于素描信息和贝叶斯网络特征学习的SAR图像语义分割_第4页
基于素描信息和贝叶斯网络特征学习的SAR图像语义分割_第5页
资源描述:

《基于素描信息和贝叶斯网络特征学习的SAR图像语义分割》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、麟{謂似專■硕士学位论文_1J基于素描信息和贝叶斯网络特征学习的SAR像语义分割1(作者姓名李远杰学校导师姓名、职称刘芳教授企业导师姓名、职称刘文学高工申请学位类别工程硕士1基于素描信息和贝叶斯网络特征学习的SAR图像语义分割作者姓名李远杰学校导师姓名、职称刘芳教授企业导师姓名、职称刘文学高工申请学位类别工程硕士学校代码10701学号1503121774分类号TP75密级公开西安电子科技大学硕士学位论文基于素描信息和贝叶斯网络特征学习的SAR图像语义分割作者姓名:李远杰领域

2、:计算机技术学位类别:工程硕士学校导师姓名、职称:刘芳教授企业导师姓名、职称:刘文学高工学院:计算机学院提交日期:2018年6月SARImageSemanticSegmentationBasedonSketchInformationandFeatureLearningByBayesianNetworkAthesissubmittedtoXIDIANUNIVERSITYinpartialfulfillmentoftherequirementsforthedegreeofMasterinComputerTechnol

3、ogyByLiYuanjieSupervisor:LiuFangTitle:ProfessorSupervisor:LiuWenxueTitle:SeniorEngineerJune2018Title:April2018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宄成果;也不包含为获得西安电子

4、科技大学或其它教育机构的学位或证书而使用过的材料一。与我同工作的同事对本研究所做的任何贡献均己在论文中作了明确的说明并表示了谢意。一学位论文若有不实之处,本人承担切法律责任。録,°浓,广本人签名:4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,g卩:研筘生在校攻读学位期间论文工作的知识产权属于西安电子科技大学。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

5、或其它复制手段保存论文。同时本人保证,结合学位论文研宄成果完成的论文、发明专利等成果,署名单位为西安电子科技大学。本人签名:导师签名::m日期日期:讀摘要摘要随着SAR成像技术的快速发展,使得SAR图像解译技术的研究成为焦点,而SAR图像分割技术是研究SAR图像解译技术的前提和基础,也是SAR图像解译工作的重要组成部分。由于SAR图像存在混杂、异构、高维等特点,使得SAR图像特征提取工作困难重重,为SAR图像分割工作的进行添加了难度。本团队提出的层次视觉语义模型,将SAR图像划分成混合,结构以

6、及匀质区域像素子空间,该模型很好的解决了SAR图像的异构问题,为SAR图像分割问题的解决打下了良好的基础。本文在此基础上,利用SAR图像素描图中素描线段的信息,提出了基于素描信息和贝叶斯网络特征学习的SAR图像语义分割方法,具体研究成果如下:(1)提出一种基于素描方向信息和特征学习的混合像素子空间分割方法。设计了素描方向统计向量对SAR图像混合像素子空间中的极不匀质区域进行表示。极不匀质区域地物结构复杂,背景信息丰富,传统方法很难提取到有效的特征。而SAR图像素描图是对SAR图像的稀疏表示,图中的素描线段包含了丰

7、富的语义信息,依据素描线段方向特性设计特征抓住了图像地物明显的方向结构,通过对该人工特征的聚类完成混合像素子空间的初次聚类。结合人工特征和学习特征的优点,通过人工特征的初次分类结果,结合贝叶斯学习网络获得学习的特征,通过聚类方法完成分割,根据实验验证该方法是可行的。(2)提出一种基于聚类方法和特征相似度的分析方法对贝叶斯学习网络进行参数分析。网络参数选取的好坏直接影响着网络的训练能力和学习效果。通过网络输入层神经元参数和网络隐层神经元参数的不同选择,完成仿真实验,采用聚类方法和基于方差和均值的特征相似度方法,结合

8、实验结果进行参数分析,选取最优参数,调整网络结构,增强网络学习性能,提高图像分割的准确度。(3)提出一种基于素描空间结构和贝叶斯学习网络的分割方法。依据素描线段的空间位置和长度信息,设计贝叶斯学习网络的约束条件,提高网络重构效果,增强网络学习性能,进行混合像素子空间的分割。用已有的方法完成匀质区域像素子空间和结构像素子空间的分割。融合合并所有像素子空间的分割结果得到最终的

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。