收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于稀疏表示和流形学习的SAR图像分类算法研究

任博  
【摘要】:合成孔径雷达(SAR)是一种主动传感器,在运行中不受天气光照等外界条件所限制,可以从机载或空载平台中获取高质量的遥感图像。雷达回波能够检测目标的物理散射信息,被广泛的应用于军事民用领域。其中多通道的SAR称为极化合成孔径雷达(PolSAR),利用交替发射和接收雷达信号获取更为丰富的目标散射信息,相比于单通道的SAR能获取更强的感知能力和更丰富的地物特性。本文针对SAR图像地物分类问题,利用稀疏表示的方法构造分类器,对不同场景的地物进行细致分类。并且从极化散射数据,极化目标分解,极化图像等模态挖掘极化SAR特征,结合稀疏表示和流形学习的方法对数据的本质特性进行了挖掘。进一步对极化SAR的特征提取,特征融合,无监督分类等问题展开了相应的研究,创新点如下。(1)针对SAR图像地物分类问题提出了一种多层级的稀疏表示分类方法(HSRC)。为精确的描述SAR图像复杂的地物特性,其中每一层级分类器中代表像素的特征利用GLCM和灰度直方图从不同大小的尺寸块中提取,大尺寸块获取粗糙的纹理和匀质区域特征,小尺寸块获取边缘和细致纹理特征。引入双阈值条件到稀疏表示分类器中判断样本的重构残差,如果残差在阈值准则内则认为其为可信赖样本点直接输出,如果不在阈值准则内,则认为其为不可信赖样本点在下一层继续进行分类直到输出最终结果。每一层的字典由上一层的可信赖样本构建,这种多层级的稀疏表示方法能够有效合理利用每一层的简单特征对地物进行逐层的分类。与固定尺寸块特征的稀疏分类方法和SVM算法进行比对,HSRC算法能获得更好的量化结果和可视化效果。(2)研究了一种新型的极化SAR图像无监督地物分类方法。此方法联合了三种极化特征包括,极化散射特征(相干矩阵观测数据),极化分解特征(Krogager,Freeman,Yamaguchi,Neumann,H/A/?分解特征),和极化图像特征(灰度共生矩阵特征)全面的表征极化数据特性。提出了一种基于SRW距离流形正则的低秩表示模型(SRWM_LRR)进行深层极化数据挖掘。低秩表示用于获取极化数据的全局结构,流形正则项用于获取数据的局部流形结构,其中引入SRW对不同像素点的局部几何结构进行度量。这种算法考虑到了极化数据特定的统计特性,并且同时集合了多种特征的几何结构去表征样本点从而获取最优的分类结果。算法的实用性和有效性通过星载和机载SAR系统数据进行检验,包括广泛应用于地物分类的Flevoland数据集(AIRSAR,L波段),西安西部数据集(RADARSAT-2,C波段)。与传统的Wishart分类器,基于欧式距离和SRW距离的谱聚类算法,低秩表示算法相比,呈现出了较好的分类结果。(3)研究了一种极化SAR数据多模态特征融合方法。众所周知,现在已经有大量的极化特征应用于极化图像地物分类任务中。迫切的需要一种特征融合方法处理复杂的数据特征。为解决这一问题,这一部分提出了基于多模态稀疏表示(MSR)框架的算法融合来自多观测空间的复杂特征向量。针对上部分所提出的三种不同模态的特征,引入多模态的流形正则项到MSR框架中估计数据结构。在不同模态数据间独立性和相关性的约束下获取本征的仿射矩阵,并通过局部保持映射算法将多模态数据特征投影到低维的本征特征空间中进行最终的分类。此方法的有效性和实用性通过三类数据集证明,C波段的RADARSAT-2西安西部和Flevoland数据集,以及旧金山数据集。(4)首次利用了子空间聚类方法对极化数据特征提取进行了探究。本部分提出了新颖的子空间聚类方式处理极化图像分类问题,分析在不同约束下的降维数据和子空间聚类算法效果。利用PolSARpro5.0软件获取全面的极化数据特征,包括(Freeman,Yamaguchi,Van Zyl,Neumann)的散射功率,以及Touzi和H/A/?分解中的各种物理参量。同时利用稀疏,低秩,多种流形和其不同的组合进行约束,计算出相应的投影矩阵和相似性矩阵对极化数据降维,其中稀疏项为获取来自同一子空间的较少的数据,低秩项获取数据全局结构,流形项获取局部结构。该算法的目的是选取样本空间中来自不同子空间的样本数据组,检验了在不同约束下极化数据的子空间聚类的效果,实验表明子空间聚类相关算法对极化数据具的有效性。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 Fang LI;Jia SHENG;San-yuan ZHANG;;基于稀疏表示的拉普拉斯稀疏字典图像分类(英文)[J];Frontiers of Information Technology & Electronic Engineering;2017年11期
2 陈素素;谢宏;;基于稀疏表示的联合多通道肌电信号手势识别[J];微型机与应用;2017年17期
3 余庆辉;朱晗琰;吴海霞;戈晓玲;潘逸炜;;基于类内稀疏表示的人脸识别[J];科技展望;2015年32期
4 滕升华;商胜楠;王芳;赵增顺;;一种基于复合稀疏表示的阿尔茨海默病的诊断方法[J];生物医学工程研究;2016年01期
5 黄宏图;毕笃彦;高山;查宇飞;侯志强;;基于局部敏感核稀疏表示的视频跟踪[J];电子与信息学报;2016年04期
6 张保庆;穆志纯;曾慧;;基于非负稀疏表示的遮挡人耳识别[J];计算机辅助设计与图形学学报;2014年08期
7 张石清;赵小明;楼宋江;闯跃龙;郭文平;陈盈;;一种局部敏感的核稀疏表示分类算法[J];光电子.激光;2014年09期
8 陈思宝;许立仙;罗斌;;基于多重核的稀疏表示分类[J];电子学报;2014年09期
9 李映;张艳宁;许星;;基于信号稀疏表示的形态成分分析:进展和展望[J];电子学报;2009年01期
10 王威;朱宗玖;陆俊;;基于字典学习和局部约束的稀疏表示人脸识别[J];电脑知识与技术;2018年05期
11 康彬;曹雯雯;颜俊;张索非;;基于典型相关性分析的稀疏表示目标追踪[J];电子与信息学报;2018年07期
12 韦道知;黄树彩;赵岩;庞策;;非负谱稀疏表示的高光谱成像中的异常检测[J];红外与激光工程;2016年S2期
13 王科平;杨赞亚;恩德;;基于分类冗余字典稀疏表示的图像压缩方法[J];计算机工程;2017年09期
14 王学军;王文剑;曹飞龙;;基于自步学习的加权稀疏表示人脸识别方法[J];计算机应用;2017年11期
15 黄少煌;黄立勤;;改进的两阶段协作稀疏表示分类器[J];南阳理工学院学报;2016年02期
16 胡正平;高红霄;赵淑欢;;基于低秩分解的联合动态稀疏表示多观测样本分类算法[J];电子学报;2015年03期
17 王瑞;王康晏;冯玉田;张海燕;金彦亮;张有正;;复杂场景下声频传感器网络核稀疏表示车辆识别[J];西安电子科技大学学报;2015年04期
18 夏建明;杨俊安;康凯;;基于局部稀疏表示和线性鉴别分析的典型相关分析[J];控制与决策;2014年07期
19 朱明旱;李树涛;叶华;;稀疏表示分类中遮挡字典构造方法的改进[J];计算机辅助设计与图形学学报;2014年11期
20 何同弟;李见为;;基于自适应稀疏表示的高光谱遥感图像分类[J];系统工程与电子技术;2013年09期
中国重要会议论文全文数据库 前10条
1 樊亚翔;孙浩;周石琳;邹焕新;;基于元样本稀疏表示的多视角目标识别[A];2013年中国智能自动化学术会议论文集(第五分册)[C];2013年
2 杨宝;朱启兵;黄敏;;基于非负矩阵分解一稀疏表示分类的玻璃缺陷图像识别[A];第24届中国控制与决策会议论文集[C];2012年
3 田野;张立新;严涛;杨志梅;张茁;;基于稀疏表示的北斗导航卫星预失真滤波器设计方法[A];第九届中国卫星导航学术年会论文集——S08 测试评估技术[C];2018年
4 肖琼;黄永言;;稀疏表示在脑电信号处理中的应用研究现状[A];人-机-环境系统工程创立30周年纪念大会暨第十一届人-机-环境系统工程大会论文集[C];2011年
5 赵雪峰;孙成禹;;基于稀疏表示的地震多属性融合[A];2016中国地球科学联合学术年会论文集(十九)——专题40:油气田与煤田地球物理勘探[C];2016年
6 廖佳俊;刘志刚;蔡尚;姜江军;;基于非负—平滑约束的高光谱稀疏表示目标检测算法研究[A];国家安全地球物理丛书(十二)——地球物理与信息感知[C];2016年
7 蒙红英;柴昱洲;韩宇;;一种基于稀疏表示的JPEG-LS改进算法[A];第四届高分辨率对地观测学术年会论文集[C];2017年
8 柴汉超;郭翌;汪源源;曹万里;孙福康;;基于多尺度稀疏表示分割肾上腺肿瘤CT图像[A];仪器仪表学报(2015(增刊)第36卷)[C];2015年
9 余力;郭翌;汪源源;陈萍;;基于超声心动图序列的胎儿左心室分割[A];仪器仪表学报(2015(增刊)第36卷)[C];2015年
10 林哲;闫敬文;袁野;;基于稀疏表示和PCNN的多模态图像融合[A];创新驱动与转型发展,推动汕头腾飞——汕头市科协第七届学术年会优秀论文集[C];2014年
中国博士学位论文全文数据库 前10条
1 程增飞;基于压缩感知的阵列信号处理技术研究[D];西安电子科技大学;2017年
2 徐琳琳;基于稀疏优化的几何建模研究[D];中国科学技术大学;2018年
3 王斌;基于稀疏表示和深度学习的图像识别算法及应用研究[D];中国科学技术大学;2018年
4 李斐;稀疏约束下的图像分类与特征提取算法研究[D];山东大学;2018年
5 任博;基于稀疏表示和流形学习的SAR图像分类算法研究[D];西安电子科技大学;2017年
6 赵永红;基于稀疏表示的阵列信号空间谱估计方法研究[D];西安电子科技大学;2017年
7 王伟;基于帧级和段级稀疏表示的说话人识别研究[D];哈尔滨工业大学;2016年
8 涂淑琴;基于稀疏表示的RGB-D图像特征学习研究与应用[D];华南农业大学;2016年
9 李窦哲;基于L-DACS1数据链的航空电信网协同传输关键技术研究[D];天津大学;2017年
10 石保顺;基于自适应稀疏表示的压缩感知及相位恢复算法研究[D];燕山大学;2017年
中国硕士学位论文全文数据库 前10条
1 陈周仇;基于稀疏表示的肝脏病变图像检索方法研究[D];中南林业科技大学;2018年
2 马超;基于稀疏表示和概率主元分析的化工过程故障检测与识别[D];华东交通大学;2018年
3 张祺威;基于稀疏表示理论的声发射识别技术的研究[D];东南大学;2017年
4 梁含笑;基于稀疏表示的动车轴承故障诊断研究[D];西南交通大学;2018年
5 吴玲玲;诱发电位少次提取方法的研究[D];江苏师范大学;2018年
6 周耐;基于稀疏表示和主题模型的音频分类识别研究[D];山东师范大学;2018年
7 翟奥博;基于稀疏表示的SAR图像分类模型及其算法的研究[D];天津理工大学;2018年
8 张晋源;基于联合稀疏表示的非局部变换域图像去噪[D];北京邮电大学;2018年
9 杨世诚;基于稀疏表示的低质量人脸图像识别的研究[D];华东师范大学;2018年
10 王培东;基于稀疏表示的视频目标跟踪算法研究[D];华东交通大学;2018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