基于稀疏編碼字典和深度學(xué)習(xí)的極化SAR影像地物分類.pdf

1、極化合成孔徑雷達(dá)（Polarimetric Synthetic Aperture Radar）不僅是如今遙感領(lǐng)域中最重要的應(yīng)用之一，而且是全球眾多科研機(jī)構(gòu)研究的熱點(diǎn)。在此背景下，開展關(guān)于極化SAR影像地物分類方面的研究，對于提高極化SAR影像的解譯能力、推動(dòng)我國極化SAR系統(tǒng)走向應(yīng)用具有重大實(shí)際意義。極化SAR影像地物分類的目的是將具有相同或相似散射特性的地物歸為一類，為后續(xù)的解譯工作提供基礎(chǔ)。極化SAR影像地物分類是高維數(shù)據(jù)的處理問題

2、，分類時(shí)面臨著大數(shù)據(jù)量、大計(jì)算量的挑戰(zhàn)。本文基于極化SAR影像的特點(diǎn)，結(jié)合稀疏編碼和深度學(xué)習(xí)的相關(guān)理論，對極化SAR影像地物分類問題進(jìn)行研究，研究內(nèi)容主要包括了以下三個(gè)方面：
　　1．提出了一種基于改進(jìn)K-SVD（Singular Value Decomposition）字典學(xué)習(xí)與稀疏編碼的極化SAR影像地物分類方法。該方法首先利用改進(jìn)的K-SVD算法進(jìn)行字典學(xué)習(xí)，然后將測試樣本通過學(xué)習(xí)字典進(jìn)行稀疏編碼，最后用基于誤差的稀疏編碼分

3、類器進(jìn)行分類。該方法由于利用了改進(jìn)的K-SVD字典學(xué)習(xí)算法，得到了具有判別性的字典，可以直接利用基于誤差的稀疏編碼分類器進(jìn)行分類，計(jì)算簡單，分類效果良好。
　　2．提出了一種基于協(xié)同表示和稀疏自編碼器SAE（Sparse AutoEncoder）的極化SAR影像地物分類方法。該方法首先將測試樣本用K-SVD算法得到的學(xué)習(xí)字典進(jìn)行協(xié)同表示，將協(xié)同表示系數(shù)用稀疏自編碼器 SAE進(jìn)行深度學(xué)習(xí)，最后將學(xué)習(xí)后的協(xié)同表示系數(shù)輸入到SVM（Su

4、pport Vector Machine）分類器中進(jìn)行分類。該方法由于利用了協(xié)同表示，計(jì)算復(fù)雜度大大減小，并且用SAE深度學(xué)習(xí)得到了協(xié)同系數(shù)更本質(zhì)的表示，去除了冗余信息，加快了分類時(shí)間。
　　3．提出了一種基于獨(dú)立成分分析ICA（Independent Component Analysis）稀疏編碼和重要采樣的極化SAR影像地物分類方法。該方法首先用ICA對樣本進(jìn)行稀疏編碼，得到編碼字典和系數(shù)，然后基于最鄰近準(zhǔn)則進(jìn)行重要采樣，選取