收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于深度学习的极化SAR分类研究

郭岩河  
【摘要】:极化合成孔径雷达(Polarimetric Synthetic Aperture Radar,简称极化SAR)是目前遥感领域较为先进的传感系统之一。因为采用了多通道获取数据并成像,所以极化SAR数据包含了更丰富的极化信息,包含了更多的地物信息和特征,基于极化SAR数据地物分类问题的研究也一直是雷达图像理解与处理领域的研究重点。近年来,深度学习在机器学习领域引起广泛重视,并在工业界和学术界取得了令人振奋的成果。本文的主要工作是研究基于深度学习的极化SAR图像分类方法,以深度信念网络模型为基础,将其应用于极化SAR地物分类,结合极化SAR数据的统计分布特性提出了改进的极化SAR地物分类方法。主要工作如下:1.研究了深度学习方法中的深度信念网络(DBN),深入讨论了DBN的基本构成和原理。着重对其基本构成单元受限制玻尔兹曼机(RBM)进行分析,并将其扩展应用到了极化SAR数据的分类上。引入高斯限制玻尔兹曼机(GRBM),实现了基于GRBM的极化SAR地物分类算法,并通过实验分析了算法的性能,验证了在算法模型在极化SAR数据地物分类问题的有效性;2.在对RBM的原理深入分析的基础上,结合极化SAR的统计分布特性,将更能表征极化SAR数据特性的Wishart分布引入RBM,对RBM进行改进,提出了Wisahrt RBM(WRBM),通过实验验证了WRBM能够有效学习极化SAR数据的特性,并且在地物分类正确率和分类效果达到优于GRBM和SVM的分类结果;3.针对DBN模型在训练过程中存在的过拟合现象进行分析,并提出了基于Robust Training训练DBN模型的解决方法。在模型预训练时,引入邻域信息,通过对邻域信息重构来实现RBM的训练,提升模型的推广能力。在模型的整体微调阶段,引入邻域信息,更好地防止随机梯度下降法将模型调整至局部最优解,增强了模型的分类稳定性,最终实验结果验证了Robust Training的有效性。


知网文化
【相似文献】
中国期刊全文数据库 前3条
1 刘来福,唐志宇,匡锦瑜;向量玻尔兹曼机[J];北京师范大学学报(自然科学版);1996年04期
2 秦胜君;卢志平;;基于限制玻尔兹曼机的无极性标注情感分类研究[J];科学技术与工程;2013年35期
3 ;[J];;年期
中国硕士学位论文全文数据库 前10条
1 李娟;基于RBM的小分子活性及选择性研究[D];兰州大学;2015年
2 叶睿;基于深度学习的人脸检测方法研究[D];哈尔滨工业大学;2015年
3 张卫东;深度信念网络及其在手写字体识别中的应用[D];成都理工大学;2015年
4 施维蒨;门限玻尔兹曼机在人脸识别中的鲁棒性研究[D];北京交通大学;2015年
5 万程;自适应基数受限玻尔兹曼机[D];清华大学;2015年
6 李亦锬;受限的玻尔兹曼机在背景建模和文本建模中的研究与应用[D];中国科学技术大学;2016年
7 张艳霞;基于受限玻尔兹曼机的深度学习模型及其应用[D];电子科技大学;2016年
8 朱常宝;基于深度玻尔兹曼机的特征学习算法研究[D];北京化工大学;2016年
9 张怡康;基于受限玻尔兹曼机的深度学习方法研究[D];北京化工大学;2016年
10 董时静;全局形状与局部一致性联合建模的显著性检测[D];大连理工大学;2016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