收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于稀疏表示和深度学习的极化SAR图像分类

陈彦桥  
【摘要】:极化合成孔径雷达(Polarimetric Synthetic Aperture Radar,PolSAR)是一种主动传感器,不受光照等外部条件限制,能够通过机载或者星载系统得到质量很高的遥感图像。通过雷达的回波检测目标的物理散射信息,极化SAR在军用和民用领域得到了十分广泛的应用。因此,极化SAR图像处理技术得到越来越多的关注,其中极化SAR图像分类又是极化SAR图像处理的关键技术。经过几十年的发展,研究学者已经对极化SAR图像分类提出了多种方法。特别是随着稀疏表示和深度学习的迅速发展,其相关方法也被应用于极化SAR图像分类。然而,稀疏表示和深度学习方法在极化SAR图像分类的应用还有很大的提升空间。基于上述背景,为了进一步提升稀疏表示和深度学习在极化SAR图像分类中的性能,本论文提出了一系列相关的方法,总结如下:1.提出了一种多层字典学习架构。近些年提出的投影字典对学习(Projective Dictionary Pair Learning,DPL)模型可以同时学习一个由分析字典与合成字典组成的投影字典对,当模型优化完成后,其判别性能和表示性能将达到平衡,而且其模型架构简单,因此在取得好的分类结果的同时可以兼顾时间消耗。近些年,深度学习在各个领域得到了十分广泛的应用,造成其优异性能的一个关键原因就是其深度架构,受此启发,本文将DPL模型做了适当修改,将其扩展到多层架构,提出多层投影字典对学习(Multilayer Projective Dictionary Pair Learning,MDPL)模型,用于提取极化SAR数据特征。由于MDPL的多层结构以及其基础模型DPL优异的提取特征的性能,MDPL提取的特征具有很高的抽象性,有助于获得好的分类结果。然后,将MDPL提取的特征输入到Softmax分类器,此分类器架构简单,分类性能良好。2.提出了一种新的拟合极化SAR图像不同特征的方法。在当前的极化SAR图像分类方法中,提取的极化SAR图像的特征往往不止一种,例如极化相干矩阵、极化协方差矩阵与极化目标分解等特征。然而,在当前的方法中,常见的处理方式就是直接将所有特征拉成一个特征矢量,这在一定程度上会隔断各个特征之间的联系。近些年提出的半耦合字典学习(Semi-Coupled Dictionary Learning,SCDL)模型可以用来解决此问题,SCDL模型是基于超分辨问题提出的,通过SCDL模型,可以找到高分辨图像和低分辨图像之间的特征联系,但是其求解较为复杂,而DPL模型正好可以用于解决此问题。基于SCDL和DPL模型,提出了半耦合投影字典对学习(Semi-Coupled Projective Dictionary Pair Learning,SDPL)模型,SDPL模型可以揭示不同特征之间的关系,而且求解简单,分类性能良好。此外,还使用稀疏自编码器(Sparse Auto-Encoder,SAE)去提取特征,SAE能够以自适应的方式提取输入数据各个元素之间的非线性关系,进而得到好的极化SAR图像分类结果。3.将非线性变换引入到稀疏表示。近些年,稀疏表示与深度学习都在极化SAR图像分类得到了成功应用,但是稀疏表示取得的结果往往没有深度学习取得的结果好。本文认为,导致深度学习的优异性能的一个主要原因就是其非线性变换。然而,稀疏表示往往是在原始数据空间的线性操作。因此,在DPL模型的基础上,提出了非线性投影字典对学习(Non-linear Projective Dictionary Pair Learning,NDPL)模型。与DPL模型类似,NDPL模型也需要同时学习由分析字典与合成字典组成的字典对,分析字典起编码作用,合成字典起解码作用,但是其编码过程和解码过程都引入了非线性变换,因此其提取特征的能力显著增强。而且,NDPL模型也继承了DPL模型的简易框架,求解较为简单。因此,NDPL模型可以使用少量有标记训练样本得到优异的分类结果,而且其时间消耗也比较少。4.将全卷积网络(Fully Convolutional Network,FCN)成功应用于极化SAR图像分类。深度学习在极化SAR图像分类得到了广泛应用。然而,常见的深度学习模型在极化SAR图像分类中都存在一定的问题。如,深度置信网络(Deep Belief Network,DBN)和稀疏自编码器(SAE)受限于其模型架构,不能有效地利用图像的空间信息,而卷积神经网络(Convolutional Neural Network,CNN)则必须使用像素点的邻域才能得到单个像素点的分类结果,这又导致了重复计算和重复内存占用。最近提出的FCN模型可以用于处理密集预测问题,而极化SAR图像分类恰好就是密集预测问题,因此FCN是最适合处理极化SAR图像分类的方法。然而,由于极化SAR每张图像尺寸不同等问题,FCN模型并不能直接应用于极化SAR图像分类。针对此问题,本文提出了滑窗全卷积网络(Sliding Window Fully Convolutional Network,SFCN),但是,SFCN也会随着图像尺寸的增大而造成计算负担以及内存占用的显著增加,此问题可以用稀疏编码解决。通过稀疏编码可以将图像下采样到较小尺寸,而且还几乎不会带来信息损失,用SFCN对下采样图像进行分类,并将得到的分类结果上采样到原始图像尺寸,得到有竞争力的分类结果。5.将深度重构分类网络和对抗训练引入到极化SAR图像分类。众所周知,图像标记是一件非常消耗人力和物力的事情,因此,如果可以用非常少的有标记训练样本得到好的分类结果是一件非常有意义的事情。最近提出的深度重构分类网络(Deep Reconstruction-Classification Network,DRCN)可以用于解决此问题。DRCN可以处理两个任务,即有监督图像分类和无监督图像重构,两个任务共享特征编码,通过共享的特征编码可以对图像所有像素点进行重构以及对部分有标记像素点进行分类,从数据分布方面分析,共享的特征编码也可以对剩余的像素点进行正确分类,因此无监督图像重构是对有监督图像分类有益的辅助任务。通过对抗训练,可以检测到重构图像与原始图像之间的高阶不一致性,从而辅助DRCN得到好的图像分类结果。在SFCN的基础上,通过引入DRCN和对抗训练,提出对抗重构分类网络(Adversarial Reconstruction-Classification Network,ARCN)。ARCN可以进行像素点到像素点,端到端的训练,使用极少的有标记训练样本得到非常有竞争力的图像分类结果。


知网文化
【相似文献】
中国期刊全文数据库 前16条
1 李文吉;姜德才;郑向向;宋艳茹;杨昭颖;;云贵高原典型地物L波段SAR散射特性分析——以昆明为例[J];上海国土资源;2019年04期
2 陈健堃;彭凌霄;仇晓兰;丁赤飚;吴一戎;;基于深度神经网络的SAR建筑目标三维重建方法[J];中国科学:信息科学;2019年12期
3 蒋婷;覃发超;徐珍;;极化SAR图像分割方法研究[J];无线互联科技;2017年12期
4 邓少平;张继贤;李平湘;;极化SAR影像边缘检测综述[J];计算机工程与应用;2011年22期
5 李长春;冒亚明;孙灏;慎利;;基于多通道分类合成的SAR图像分类研究[J];计算机与现代化;2010年03期
6 刘电霆;周祥;刘鑫;;机载下视3D-SAR切航天线的机电耦合优化设计[J];机械设计与制造;2020年06期
7 杜剑波;朱明月;高何;刘杰;于海锋;彭亏;王梓名;袁兴武;;应用水冷散热的多通道星载SAR热真空试验设计[J];航天器工程;2020年04期
8 蒋华;花韬;黄炼;金晖;华明;;大功率星载SAR天线电源系统脉动电流抑制研究[J];现代雷达;2020年08期
9 杜永兴;仝宗俊;秦岭;李晨璐;李宝山;;微波轨道角动量在SAR中超分辨率成像研究[J];内蒙古科技大学学报;2020年02期
10 任楷;;基于分布式SAR系统的侦察卫星目标定位技术[J];计算机测量与控制;2020年09期
11 周万里;;基于SAR卫星遥感数据的城市不透水性分析[J];大众科技;2020年09期
12 祝明波;丁向荣;黄佳琦;;基于电磁散射的信号级海面舰船SAR成像模拟[J];计算机仿真;2020年11期
13 刁桂杰;倪虹;刘哲;李洋;;时变海场景双基SAR回波实时模拟方法研究[J];系统仿真学报;2020年11期
14 韩昊鹏;李长飞;罗俊杰;谷昊东;;基于SAR成像对隐身飞机维护的评估[J];火力与指挥控制;2019年10期
15 王涛;于海锋;刘杰;张庆君;;星载双天线干涉SAR系统总体技术研究[J];航天器工程;2016年06期
16 黄其欢;付五洲;岳建平;徐亚明;;海量时序地基SAR影像相干目标选取[J];数据采集与处理;2016年06期
中国重要会议论文全文数据库 前20条
1 胡瑶;王琛;周远远;杨夏青;师君;;一种基于t-SNE的SAR图像聚类算法[A];第六届高分辨率对地观测学术年会论文集(下)[C];2019年
2 薛东剑;李成绕;苏璐璐;李婉秋;郑洁;贾诗超;;多源SAR遥感影像滑坡灾害复合解译及危险性评价研究[A];第十五届全国数学地质与地学信息学术研讨会论文集[C];2016年
3 罗永波;高贵;;SAR图像变化检测[A];第九届全国信号和智能信息处理与应用学术会议专刊[C];2015年
4 尤红建;詹芊芊;;尺度优化的星载SAR图像变化检测[A];中国测绘学会第九次全国会员代表大会暨学会成立50周年纪念大会论文集[C];2009年
5 陈志勇;付耀文;黎湘;;实时SAR欺骗干扰系统研究[A];第十四届全国信号处理学术年会(CCSP-2009)论文集[C];2009年
6 刘振华;毛士艺;袁运能;;低视数SAR图像边缘检测算法研究[A];第十届全国信号处理学术年会(CCSP-2001)论文集[C];2001年
7 高砚军;徐华平;;基于窗口自适应灰度共生矩阵的SAR图像分类[A];第六届全国信息获取与处理学术会议论文集(1)[C];2008年
8 郭德明;李景文;徐华平;;椭圆轨道下星载SAR的精确偏航控制[A];中国仪器仪表学会第十二届青年学术会议论文集[C];2010年
9 汪伟;齐美清;宋小弟;;星载SAR相控阵天线栅瓣抑制技术[A];2011年全国微波毫米波会议论文集(上册)[C];2011年
10 孟俊敏;张自历;张杰;;利用SAR影像研究台湾东北部内波的激发源及时空分布特征[A];中国科学院海洋科学青年学术研讨会暨2001年海洋湖沼科学青年学者论坛论文摘要集[C];2001年
11 闫敬文;卢刚;王超;郭子祺;;基于形态学小波变换的SAR图像数据海洋目标提取[A];中国图象图形学会第十届全国图像图形学术会议(CIG’2001)和第一届全国虚拟现实技术研讨会(CVR’2001)论文集[C];2001年
12 申家振;张艳宁;薛笑荣;段锋;;SAR图像中相干斑噪声分布特性研究[A];信号与信息处理技术——第一届信号与信息处理联合学术会议论文集[C];2002年
13 缪建峰;孟庆鼐;;SAR系统的计算机仿真[A];第六届全国计算机应用联合学术会议论文集[C];2002年
14 刘宇迪;;SAR资料海面风场反演模式的对比研究[A];新世纪气象科技创新与大气科学发展——中国气象学会2003年年会“地球气候和环境系统的探测与研究”分会论文集[C];2003年
15 刘宇迪;;SAR资料反演海面风场的对比研究及其变分质量控制[A];第十四届全国遥感技术学术交流会论文摘要集[C];2003年
16 陈劲松;邵芸;董庆;王长林;;全极化SAR数据信息提取研究[A];第十四届全国遥感技术学术交流会论文摘要集[C];2003年
17 高岚;胡友为;潘峰;卢凌;;基于小生境遗传算法的SAR图像分割[A];可持续发展的中国交通——2005全国博士生学术论坛(交通运输工程学科)论文集(下册)[C];2005年
18 何钰;徐青;苏忠平;;基于四阶偏微分方程的SAR图像去噪方法研究[A];第十四届全国图象图形学学术会议论文集[C];2008年
19 吴志刚;刘光炎;;卫星轨道对星载SAR系统多普勒参数的影响[A];2008通信理论与技术新发展——第十三届全国青年通信学术会议论文集(下)[C];2008年
20 于越华;李颖;;利用小波变换进行SAR图像斑点抑制[A];全国第一届嵌入式技术联合学术会议论文集[C];2006年
中国博士学位论文全文数据库 前20条
1 陈彦桥;基于稀疏表示和深度学习的极化SAR图像分类[D];西安电子科技大学;2019年
2 文伟;复杂背景下SAR图像目标检测与识别方法研究[D];西安电子科技大学;2017年
3 谭龙飞;基于SAR图像与陆基散射测量的水稻甲烷排放评估方法研究[D];电子科技大学;2017年
4 张祥;多源时序SAR数据土壤水分反演研究[D];中国矿业大学;2017年
5 万红林;无降斑预处理的两对相SAR图像变化检测方法研究[D];西安电子科技大学;2011年
6 宗竹林;编队卫星SAR波形设计及成像技术研究[D];电子科技大学;2012年
7 杨俊钢;多源多时相SAR资料反演水下地形的同化模型[D];中国科学院研究生院(海洋研究所);2007年
8 黄勇;SAR图像变化检测及相关技术研究[D];电子科技大学;2006年
9 王成;电离层对星载SAR成像质量影响和校正方法研究[D];西安电子科技大学;2015年
10 苗慧;机载SAR定位精度的研究[D];中国科学院研究生院(电子学研究所);2007年
11 董骞;基于软件无线电的SAR数字接收机研究[D];中国科学院研究生院(电子学研究所);2007年
12 时公涛;基于干涉图的多通道SAR地面慢动目标自动检测技术研究[D];国防科学技术大学;2009年
13 王义敏;基于机载SAR图像的对地目标检测方法研究[D];西北工业大学;2006年
14 黄玉琴;基于SAR图像的城市形态时空变化的研究[D];中国科学院研究生院(遥感应用研究所);2006年
15 杨海光;临近空间SAR成像理论与成像方法研究[D];电子科技大学;2014年
16 冯籍澜;高分辨率SAR图像分割与分类方法研究[D];电子科技大学;2015年
17 孙光才;多通道波速指向高分辨SAR和动目标成像技术[D];西安电子科技大学;2012年
18 朱俊杰;高分辨率光学和SAR遥感数据融合及典型目标提取方法研究[D];中国科学院研究生院(遥感应用研究所);2005年
19 李禹;SAR图像机动目标检测与鉴别技术研究[D];国防科学技术大学;2007年
20 周广益;基于视觉认知的极化SAR图像应用关键技术研究[D];清华大学;2011年
中国硕士学位论文全文数据库 前20条
1 黎兰;基于稀疏表示的SAR目标识别算法研究[D];电子科技大学;2014年
2 王琮;基于SAR图像的道路起伏及滑坡信息提取方法研究[D];电子科技大学;2019年
3 邱逸文;圆周SAR及其信号处理方法研究[D];华侨大学;2019年
4 郭子越;多通道SAR高分辨率宽测绘带成像及地面动目标指示技术研究[D];南京航空航天大学;2019年
5 聂松;高分辨SAR对运动目标聚焦成像技术研究[D];中国电子科技集团公司电子科学研究院;2019年
6 张佳琪;小卫星SAR实时成像技术研究[D];中国运载火箭技术研究院;2019年
7 赵梦雪;基于SAR的极地冰盖冻融强度提取方法研究[D];山东科技大学;2018年
8 王晓龙;传感器信号处理SoC中SAR_ΣΔ调制器的设计与实现[D];华中科技大学;2019年
9 师蕊;基于非下采样Shearlet变换的高分三号SAR图像降斑算法研究[D];陕西师范大学;2019年
10 徐西桂;DEM辅助去斜处理的层析SAR建筑物点云重构研究[D];北京建筑大学;2019年
11 王记波;双层Y字形SAR微混合器的数值模拟与实验研究[D];吉林大学;2019年
12 余不凡;宽模式的SAR图像拼接及大尺度海岸线快速提取[D];合肥工业大学;2019年
13 赵子航;入射角感知的宽观测带SAR冰水自动分割研究[D];合肥工业大学;2019年
14 蒋佳霖;基于超声和SAR理论对地面目标检测系统[D];山东大学;2018年
15 韩东娟;SAR图像海面舰船目标检测算法研究[D];中国航天科技集团公司第五研究院西安分院;2018年
16 杨筱筱;多通道SAR运动目标检测技术研究[D];南京邮电大学;2018年
17 王雅静;基于素描图和先验约束的高分辨率SAR图像路网检测[D];西安电子科技大学;2018年
18 李远杰;基于素描信息和贝叶斯网络特征学习的SAR图像语义分割[D];西安电子科技大学;2018年
19 陈文平;弹载SAR制导高效实时成像处理设计[D];西安电子科技大学;2018年
20 罗佳祺;变电站复杂电磁环境对短距离无线通信性能以及人脑SAR影响研究[D];北京邮电大学;2018年
中国重要报纸全文数据库 前2条
1 合肥报业全媒体记者 刘畅司晨;合肥参研国内首颗商业SAR卫星升空[N];合肥晚报;2020年
2 陈佳佳 记者 付毅飞;国内首款太赫兹视频SAR研制成功[N];科技日报;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