版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、合成孔徑雷達(dá)(SAR)具有全天候、全天時(shí)、穿越云霧和植被能力等光學(xué)傳感器無法比擬的成像優(yōu)點(diǎn),是軍事和民用領(lǐng)域的重要探測(cè)手段。單極化SAR相比于多極化SAR具有結(jié)構(gòu)簡(jiǎn)單、運(yùn)算量小等特點(diǎn)。機(jī)器學(xué)習(xí)是人工智能領(lǐng)域的研究熱點(diǎn),在圖像處理,特別是分類識(shí)別等領(lǐng)域有著廣泛的應(yīng)用。深度學(xué)習(xí)作為機(jī)器學(xué)習(xí)的重要組成部分,伴隨硬件處理能力的迅速提升,近十年來得到了越來越廣泛的關(guān)注,已經(jīng)成為計(jì)算機(jī)視覺領(lǐng)域最熱門的方向之一。本文創(chuàng)新性的將深度學(xué)習(xí)算法之一的卷積神
2、經(jīng)網(wǎng)絡(luò)應(yīng)用于SAR圖像識(shí)別上,取得了良好的效果。
本論文應(yīng)用機(jī)器學(xué)習(xí)方法構(gòu)建了一種SAR圖像分類系統(tǒng),應(yīng)用深度學(xué)習(xí)方法構(gòu)建了一種SAR目標(biāo)識(shí)別系統(tǒng),分別對(duì)其進(jìn)行了軟件仿真實(shí)驗(yàn)。論文從SAR成像模型出發(fā),介紹了SAR圖像區(qū)別于光學(xué)圖像的特點(diǎn),分析了多種SAR圖像的降噪算法,并通過實(shí)驗(yàn)對(duì)比了降噪效果。其次,在SAR圖像特征提取時(shí),受相干斑噪聲影響,需要選取魯棒性強(qiáng)的算法,本文基于不同應(yīng)用場(chǎng)景引入了Hu不變矩和尺度不變特征(SIFT
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于機(jī)器學(xué)習(xí)的高光譜與SAR圖像融合分類研究.pdf
- 基于目標(biāo)分解與機(jī)器學(xué)習(xí)的極化SAR圖像地物分類.pdf
- 基于遷移學(xué)習(xí)的SAR圖像分類方法研究.pdf
- 基于主動(dòng)學(xué)習(xí)的SAR圖像分類方法研究.pdf
- 基于深度學(xué)習(xí)的干涉SAR圖像分類.pdf
- 基于機(jī)器學(xué)習(xí)的遙感圖像分類研究.pdf
- 基于字典學(xué)習(xí)的SAR圖像目標(biāo)識(shí)別研究.pdf
- 基于分類器融合的SAR圖像目標(biāo)識(shí)別.pdf
- SAR圖像降噪與極化SAR圖像監(jiān)督分類研究.pdf
- 面向SAR圖像目標(biāo)識(shí)別和地物分類的深度學(xué)習(xí)研究.pdf
- SAR海冰圖像智能分類識(shí)別算法的研究.pdf
- 面向植被識(shí)別的SAR圖像分類方法研究.pdf
- sar圖像降噪與極化sar圖像監(jiān)督分類研究
- 基于深度神經(jīng)網(wǎng)絡(luò)與稀疏學(xué)習(xí)的極化SAR圖像分類.pdf
- 基于MPCA和多層特征學(xué)習(xí)的極化SAR圖像分類.pdf
- 基于視覺特征與機(jī)器學(xué)習(xí)的圖像分類和圖像檢索方法研究.pdf
- 基于深度學(xué)習(xí)的稻飛虱圖像分類識(shí)別的研究.pdf
- 基于深層特征學(xué)習(xí)和稀疏表示的SAR圖像分類.pdf
- 基于特征信息融合和極限學(xué)習(xí)機(jī)分類的SAR圖像目標(biāo)識(shí)別技術(shù)研究.pdf
- 基于Freeman分解的極化SAR圖像分類研究.pdf
評(píng)論
0/150
提交評(píng)論