收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于谱聚类的极化SAR图像分类研究

郭卫英  
【摘要】:极化合成孔径雷达(Polarimetric Synthetic Aperture Radar)已经成为国内外合成孔径雷达发展的重要方向之一。与单极化雷达图像相比,极化合成孔径雷达图像能够提供更多的地物信息。快速、准确SAR图像分类是实现各种实际应用的前提。因此,对极化SAR图像的分类的研究,具有十分重要的意义。 本文主要研究基于谱聚类算法的极化SAR图像分类方法。谱聚类算法是近年来国际上机器学习领域的研究热点,它具有能在任意形状的样本空间上聚类并且收敛于全局最优解的优点。以谱聚类算法为基础,结合聚类分析和极化SAR图像特点,提出了用于极化SAR图像分类的方法,主要工作如下: 1.提出了一种基于谱聚类的极化SAR图像分类方法。该方法使用Nystr m逼近实现谱聚类算法,并将基于相干矩阵的Wishart距离和极化特征组成矢量的欧式距离作为谱聚类的相似性测度,进而对极化SAR图像进行谱分割,然后用能反映极化SAR数据分布的Wishart分类器进行迭代,进一步提高分类精度。将该方法用于真实的极化SAR图像分类,取得了较好分类效果。 2.提出了一种基于Mean Shift和谱聚类的极化SAR图像分类方法。该方法将目标的极化特征作为Mean Shift算法的输入向量,用Mean Shift算法对极化SAR图像进行预分割处理,将图像分割为互不重叠的小区域,将每个区域作为谱聚类的输入数据点,从而提高算法效率;在传统谱聚类算法基础上,通过引入势函数,构造了一种新的相似函数,提高了谱聚类算法的性能。与已有的经典极化SAR分类方法相比,该方法具有较高的分类精度和较强的普适性。 3.提出了一种基于Freeman分解和谱聚类算法的极化SAR图像分类方法。传统的基于Freeman分解的极化SAR图像分类方法,保持了像素的主散射机制,但并不能解决具有混合散射机制像素的分类问题。然而实际场景中,由于单个像素的响应是多个目标散射特性的叠加,因此图像中存在大量具有混合散射机制的像素。本文提出了一种结合Freeman分解和谱聚类的极化SAR图像分类方法,结合聚类分析和极化散射机理,取的了较好的分类效果。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 杜玫芳;;数字图书馆中图像分类技术研究[J];现代计算机(专业版);2008年01期
2 周晓光;匡纲要;万建伟;;极化SAR图像分类综述[J];信号处理;2008年05期
3 秦磊;高文;;基于内容相关性的场景图像分类方法[J];计算机研究与发展;2009年07期
4 杨怿菲;;一种基于图像特征的图像分类方法[J];现代电子技术;2009年14期
5 毕萍;;图像分类方法的对比研究[J];现代电子技术;2009年18期
6 孟海东;郝永宽;王淑玲;;聚类分析在非监督图像分类中的应用研究[J];计算机与现代化;2009年10期
7 姚晓昆;邱桃荣;葛寒娟;刘清;王剑;;基于多层次相容粒度的图像分类[J];河北师范大学学报(自然科学版);2010年01期
8 郭立君;赵杰煜;史忠植;;生成模型与判别方法相融合的图像分类方法[J];电子学报;2010年05期
9 黄涛;陈三风;;人工场景图像分类技术研究[J];深圳信息职业技术学院学报;2010年02期
10 张杰;郭小川;金城;陆伟;;基于特征互补率矩阵的图像分类方法[J];计算机工程;2011年04期
11 刘萍萍;赵宏伟;耿庆田;戴金波;;基于局部特征和视皮层识别机制的图像分类[J];吉林大学学报(工学版);2011年05期
12 郭立君;刘曦;赵杰煜;史忠植;;基于改进局部特征分布的图像分类方法[J];模式识别与人工智能;2011年03期
13 姜祖新;张德贤;张苗;李军军;;基于尺度不变特征的图像分类技术研究[J];电脑知识与技术;2012年09期
14 甘玲;谷伟庆;;组合金字塔和多核学习的图像分类方法[J];小型微型计算机系统;2014年07期
15 张好;王士林;李生红;;基于内容图像分类技术中的特征分析[J];信息安全与通信保密;2006年11期
16 许宪东;王亚东;运海红;;统计学习在图像分类中的应用研究综述[J];黑龙江科技信息;2012年32期
17 徐健;常志国;赵小强;;以图像分类为目标的字典学习算法[J];现代电子技术;2013年02期
18 丁建睿;黄剑华;刘家锋;张英涛;;局部特征与多示例学习结合的超声图像分类方法[J];自动化学报;2013年06期
19 孙延鹏;徐思敏;;一种基于层次语义图像分类的改进方法[J];计算机应用与软件;2013年09期
20 韩冰;仇文亮;;一种特征显著性编码的极光图像分类方法[J];西安电子科技大学学报;2013年06期
中国重要会议论文全文数据库 前10条
1 郑海红;曾平;;一种基于图像分类的逆半调算法[A];’2004计算机应用技术交流会议论文集[C];2004年
2 文振焜;欧阳杰;朱为总;;基于语义特征与支持向量机的图像分类[A];中国电子学会第十六届信息论学术年会论文集[C];2009年
3 王海峰;管亮;;基于颜色特征的图像分类技术在油品分析中的应用[A];中国仪器仪表学会第六届青年学术会议论文集[C];2004年
4 陈思坤;吴洪;;基于图分块并利用空间金字塔的医学图像分类[A];第六届和谐人机环境联合学术会议(HHME2010)、第19届全国多媒体学术会议(NCMT2010)、第6届全国人机交互学术会议(CHCI2010)、第5届全国普适计算学术会议(PCC2010)论文集[C];2010年
5 张淑雅;赵晓宇;赵一鸣;李均利;;基于SVM的图像分类[A];第十三届全国图象图形学学术会议论文集[C];2006年
6 李博;韩萍;;基于压缩感知和SVM的极化SAR图像分类[A];第二十七届中国(天津)2013IT、网络、信息技术、电子、仪器仪表创新学术会议论文集[C];2013年
7 朱松豪;胡娟娟;孙伟;;基于非欧空间高阶统计的图像分类方法[A];第25届中国控制与决策会议论文集[C];2013年
8 潘海为;李建中;张炜;;基于像素聚类的脑部医学图像分类[A];第二十届全国数据库学术会议论文集(研究报告篇)[C];2003年
9 吴霜;张一飞;修非;王大玲;鲍玉斌;于戈;;基于兴趣点特征提取的医学图像分类[A];第二十四届中国数据库学术会议论文集(研究报告篇)[C];2007年
10 武进;尹恺;王长明;张家才;;SVDM在蔬菜病害图像分类中的应用[A];图像图形技术与应用进展——第三届图像图形技术与应用学术会议论文集[C];2008年
中国博士学位论文全文数据库 前10条
1 赵鑫;图像分类中的判别性增强研究[D];中国科学技术大学;2013年
2 杨冰;基于艺术风格的绘画图像分类研究[D];浙江大学;2013年
3 丁建睿;基于多示例学习的浅表器官超声图像分类方法研究[D];哈尔滨工业大学;2012年
4 贾世杰;基于内容的商品图像分类方法研究[D];大连理工大学;2013年
5 李晓旭;基于概率主题模型的图像分类和标注的研究[D];北京邮电大学;2012年
6 王海江;极化SAR图像分类方法研究[D];电子科技大学;2008年
7 韩东峰;图像分类识别中特征及模型的若干问题研究[D];吉林大学;2008年
8 白有茂;基于张量流形学习的图像分类技术研究[D];中国矿业大学(北京);2013年
9 龙显忠;矩阵分解方法在图像分类中的应用研究[D];上海交通大学;2014年
10 周晓光;极化SAR图像分类方法研究[D];国防科学技术大学;2008年
中国硕士学位论文全文数据库 前10条
1 赵八一;基于概率图模型的图像分类和注释[D];大连理工大学;2010年
2 冀翠萍;基于内容的图像分类研究[D];山东师范大学;2008年
3 鲜艳明;多特征结合与支持向量机集成在图像分类中的应用[D];西安科技大学;2011年
4 周鸽;基于“词袋”模型的图像分类系统[D];苏州大学;2011年
5 杨楠;基于内容的商品图像分类技术研究[D];大连理工大学;2011年
6 吴军;基于正负模糊系统的图像分类的研究及其应用[D];江南大学;2012年
7 黄飞;基于局部不变特征的图像分类研究[D];北京邮电大学;2013年
8 刘程;基于词袋模型的图像分类技术研究[D];安徽大学;2014年
9 郝永宽;聚类分析在图像分类中的应用研究[D];内蒙古科技大学;2008年
10 陈佳琛;快速主动禁忌搜索及其在图像分类中的应用[D];复旦大学;2010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