收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于多层网络模型的全极化SAR图像分类

王云艳  
【摘要】:全极化合成孔径雷达(Polarimetric Synthetic Aperture Radar, PolSAR)是一种先进的对地测量系统,能同时获取4个极化通道的SAR图像。因此,通过全极化SAR图像可以获得丰富的地物信息。图像分类是极化SAR系统的一个重要研究内容,在农林业规划、环境保护等领域都有着广泛的应用,开展全极化SAR图像分类研究对于提高SAR遥感的应用水平具有重要的理论意义及实用价值。近年来,在光学领域图像分类算法发展迅速,出现了很多新的模型或概念,如词袋模型,空间金字塔、稀疏编码,特征表达等,从事全极化SAR图像分类的研究人员纷纷借鉴光学图像分类中的优秀算法和概念,针对全极化SAR图像提出了很多新的的特征表达和特征编码方法,且取得了较好的成绩。2006年,Hinton等人在光学领域首次提出了深度学习的概念,开启了特征学习的研究,它能通过构建多层网络模型自动的从原始图像中学习出更本质的特征,从而有利于分类研究。此后,深度学习的相关研究如火如荼,在光学图像分类领域更是创造了诸多奇迹。本文引入深度学习的思想进而实现全极化SAR图像的分类,但极化SAR图像不同于光学图像,不能将光学图像中的深度学习模型直接用于全极化SAR图像分类,主要存在如下几个方面的问题:(1) SAR图像与光学图像在成像方式上有很大不同,光学图像是通过可见光传感器成像,可以获得地物的灰度信息,而SAR是通过微波传感器成像,然后以二进制复数形式记录地物的回波信息;另外,SAR图像所固有的相干斑噪声十分严重,信噪比极低,大部分信息都被淹没在相干斑噪声里,严重影响了全极化SAR图像解译及后续的应用,因此PolSAR数据需要处理后才能利用深度学习模型进行分类;(2) 全极化SAR能同时获取4个不同通道的SAR图像,在互易媒质的后向散射情况下,同一地物也对应着3幅单极化SAR图像,而原有的深度学习模型都是建立在单通道数据上的,不能充分的利用全极化SAR图像丰富的地物信息;(3) 深度学习往往需要大量数据对多层网络模型进行训练,而目标全极化SAR图像往往没有足够的数据来训练多层网络模型。为了充分利用深度学习的优势进行全极化SAR图像分类,就需要在深度学习和极化SAR图像之间构建一座桥梁,同时需要构建适合全极化SAR图像的多层网络模型用于特征学习和分类。本文从极化SAR基础理论出发,在描述极化SAR统计分布模型和极化分解等原理的基础上引入了深度学习,为了解决深度学习引入全极化SAR图像过程中遇到的一些问题,本文主要做了3个方面的工作:(1) 考虑到SAR图像的成像机理不同于光学图像,深度学习往往不能直接用于极化SAR图像分类,本文构建了一个基于统计分布的网络结构单元,以在深度学习和全极化SAR图像之间构建一座桥梁;(2) 为了充分地利用全极化SAR所包含的丰富地物信息,本文从特征融合和特征学习两个不同的角度构建了两个多层网络模型用于特征提取和分类。第1个多层网络融合了多种类型的特征,采用字典学习实现了空间金字塔特征表达,并构建了一个双层SVM实现了全极化SAR图像的分类。第2个多层网络是对多层反卷积网络进行了改进,构建了一个适合全极化SAR图像分类的多层反卷积网络,同时在反卷积网络中引入了一种新的软概率池化方法;(3) 考虑到目标极化SAR没有足够的数据用于多层网络的训练,本文引入了迁移学习的方法,采用相似的极化SAR数据对多层网络进行训练,将多层网络学习的特征作为中层表达,再用目标极化SAR图像对中层表达迁移学习,以能对目标极化SAR数据进行更准确的分类。论文在解决上述理论和技术问题的基础上,利用多个多层网络模型对全极化SAR图像进行了分类研究,在中国电子集团第三十八研究所获取的X波段单航迹海南省陵水县全极化SAR数据上进行了实验,实验结果表明多层网络模型在全极化SAR图像分类领域确实具有很大的潜力。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 金亚秋,曾亮;一层非均匀随机取向非球形粒子的全极化散射[J];电子学报;1992年09期
2 王新彪;李靖;姜景山;;相关型全极化辐射计研究[J];遥感技术与应用;2008年05期
3 王雪松;常宇亮;李永祯;戴幻尧;何密;肖顺平;;极化雷达的同时全极化测量与校准技术[J];科技导报;2011年26期
4 王勤诚;复合型铁氧体全极化器[J];宁波大学学报(理工版);2003年03期
5 李丽丽;马国庆;;全极化探地雷达采集系统及校准技术[J];地球物理学进展;2011年06期
6 陆浩;王振占;刘璟怡;郑伟;;数字全极化微波辐射计系统设计与定标分析[J];微波学报;2012年02期
7 张巍,金亚秋;非均匀植被地表全极化散射的高分辨率雷达图像的模拟[J];遥感学报;2001年02期
8 王振占;刘璟怡;殷晓斌;姜景山;;一种消除全极化微波辐射计顺/逆风向遥感模糊性的新方案——星上定标和扫描机制设计的有关考虑(英文)[J];遥感学报;2009年02期
9 张勇;吕达仁;;星载全极化微波辐射计海面风向反演仿真研究[J];遥感技术与应用;2014年03期
10 陈劲松,邵芸,董庆,王长林;全极化SAR数据信息提取研究[J];遥感技术与应用;2003年03期
11 陈劲松,邵芸,林晖;全极化SAR数据在地表覆盖/利用监测中的应用[J];国土资源遥感;2004年02期
12 王新彪;李靖;姜景山;;全极化微波辐射计模拟复相关器研究[J];宇航学报;2011年03期
13 张微;林健;陈玲;杨金中;;基于极化分解的极化SAR数据地质信息提取方法研究[J];遥感信息;2014年01期
14 王庆;曾琪明;焦健;;全极化SAR极化特征谱应用研究[J];遥感技术与应用;2012年06期
15 党鹏举;陈文新;李浩;;全极化微波辐射计数字相关器下变频算法设计[J];电子设计工程;2014年01期
16 郭雷;肖怀铁;赵宏钟;付强;;宽带全极化雷达目标HRRP极化特征提取与优选[J];自然科学进展;2009年07期
17 王蕊;史顺文;陆文;;全极化微波辐射计海面风场反演实验[J];遥感信息;2014年04期
18 殷晓斌;王振占;刘璟怡;姜景山;;一种消除全极化微波辐射计顺/逆风向遥感模糊性的新方案——算法研究(英文)[J];遥感学报;2009年01期
19 王庆;曾琪明;廖静娟;;基于特征向量分解与散射机制判别指数的全极化SAR图像地物提取与分类[J];遥感信息;2012年02期
20 郭华东,邵芸;航空双波段全极化SAR信息分析[J];遥感学报;1997年02期
中国重要会议论文全文数据库 前4条
1 金亚秋;;复杂目标和环境全极化散射的理论[A];1995年全国微波会议论文集(上册)[C];1995年
2 刘怡;王振占;姜景山;;信道互耦和相位不平衡对直接相关全极化微波辐射计测量的影响分析[A];2007年全国微波毫米波会议论文集(下册)[C];2007年
3 陆文;严卫;施健康;鲁旭;;全极化微波辐射计定标技术概述[A];2009第五届苏皖两省大气探测、环境遥感与电子技术学术研讨会专辑[C];2009年
4 李秉柏;化国强;王晶晶;黄晓军;;基于散射机理的农作物分类[A];2010年中国农业资源与区划学会学术年会论文集[C];2010年
中国博士学位论文全文数据库 前6条
1 陈军;全极化SAR分类若干关键技术研究[D];中国矿业大学;2015年
2 杨浩;基于时间序列全极化与简缩极化SAR的作物定量监测研究[D];中国林业科学研究院;2015年
3 王云艳;基于多层网络模型的全极化SAR图像分类[D];武汉大学;2015年
4 李棉全;全极化相控阵雷达精密测量技术[D];国防科学技术大学;2013年
5 夏东坤;P波段全极化SAR数据处理方法研究[D];中国科学技术大学;2011年
6 何密;同时极化测量体制雷达的校准方法研究[D];国防科学技术大学;2012年
中国硕士学位论文全文数据库 前10条
1 谢莹;数字相关型全极化微波辐射计温控系统设计及其对定标的影响分析[D];中国科学院研究生院(空间科学与应用研究中心);2015年
2 韩宇;多时相C波段全极化SAR农作物识别方法研究[D];内蒙古师范大学;2015年
3 李昕;基于全极化SAR图像的植被信息提取技术研究[D];电子科技大学;2015年
4 汪梦奇;分时极化雷达系统及其实现技术研究[D];北京理工大学;2016年
5 王亚辉;全极化微波辐射计目标成像方法及试验研究[D];中国科学院国家空间科学中心;2016年
6 车美琴;新疆哈密南湖戈壁荒漠区星载全极化SAR线性形迹提取研究[D];南京大学;2016年
7 张志华;全极化技术在雷达中的工程应用[D];南京理工大学;2010年
8 李辉;全极化合成孔径雷达海面风场与海浪遥感研究[D];复旦大学;2008年
9 丁维雷;基于全极化雷达的目标识别方法研究[D];哈尔滨工程大学;2013年
10 刘芳;W波段全极化雷达目标特性测量算法研究[D];北京理工大学;2015年
中国重要报纸全文数据库 前1条
1 通讯员 邹晔;雷电院成功研制首套民用高分辨率全极化SAR雷达[N];中国航空报;2013年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978