基于遷移學(xué)習(xí)的SAR圖像分類方法研究.pdf

1、合成孔徑雷達（Synthetic Aperture Radar，SAR）圖像分類是利用不同地物樣本的灰度、紋理、形狀、邊緣和方向等特征信息在SAR圖像中確定其類別，將不同種類地物進行區(qū)域劃分的圖像處技術(shù)。
　　隨著SAR圖像分辨率不斷提高，其目標(biāo)信息呈現(xiàn)爆炸性增長。傳統(tǒng)的SAR圖像監(jiān)督分類問題依賴使用大量帶標(biāo)記的觀測數(shù)據(jù)建立分類模型，需要耗費大量的實地考察或人工解譯成本。除此之外，傳統(tǒng)的SAR圖像監(jiān)督分類問題建立在測試樣本與訓(xùn)練樣

2、本來自同一概率分布的基本假設(shè)下。而實際情況中，學(xué)習(xí)和應(yīng)用場景發(fā)生遷移將會造成訓(xùn)練樣本與測試樣本不嚴(yán)格遵從同一概率分布的現(xiàn)象，影響分類結(jié)果。
　　所以如何從SAR圖像中準(zhǔn)確分類地物一直是SAR圖像解譯的難點。
　　本文將跨領(lǐng)域遷移學(xué)習(xí)引入到SAR圖像分類領(lǐng)域，論文的主要研究內(nèi)容和創(chuàng)新之處如下：
　　(1)針對傳統(tǒng)SAR圖像監(jiān)督分類獲取帶標(biāo)記觀測樣本成本較高以及其學(xué)習(xí)和應(yīng)用場景易發(fā)生遷移的問題，首先研究了目前較為成熟的跨領(lǐng)

3、域遷移學(xué)習(xí)理論，其次研究了與主動學(xué)習(xí)相結(jié)合的遷移學(xué)習(xí)模型。除此之外，還研究了多種應(yīng)用較廣的SAR目標(biāo)特征提取方法、特征壓縮方法以及遷移學(xué)習(xí)問題中提取最有信息量樣本的詢問機制。
　　(2)針對傳統(tǒng)遷移學(xué)習(xí)模型在SAR圖像分類方面不足的問題，研究了兩種適用于SAR圖像的遷移學(xué)習(xí)模型。首先深入分析并討論了域間差異導(dǎo)致遷移風(fēng)險的原理，其次研究了判定圖像間相似性的度量方法，最后研究了兩種現(xiàn)有的適用于遙感圖像的遷移學(xué)習(xí)模型，并將之應(yīng)用到了SA