基于深度學習的干涉SAR圖像分類.pdf

1、合成孔徑雷達干涉技術(Interferometric Synthetic Aperture Radar，InSAR)作為合成孔徑雷達的延伸和發(fā)展，主要關注于獲取數(shù)字高程圖（Digital Elevation Model，DEM）、地表形變的檢測。本文在介紹干涉SAR技術的基礎上，著重于干涉SAR圖像對地物分類。相干圖作為干涉SAR技術的中間步驟，有著重要的物理意義。它不僅作為相位圖的評價標準，而且對于地物具有良好的可分性能。本文利用相干

2、圖的良好可分性，結合干涉SAR的主輔強度圖，對地物進行劃分。然后對相干圖進行初始分割，根據(jù)相干圖的初始分割結果對分類進行優(yōu)化。近年來，深度學習成為機器學習的一個熱門方向，它采用多層結構網(wǎng)絡，可以對數(shù)據(jù)從底層到高層對特征進行提取，有效的提取數(shù)據(jù)在空間和時間上的信息，能夠有效的提高分類的準確率。在第四章，著重介紹深度學習的深度信念網(wǎng)絡（DBN）模型及其在干涉SAR圖像分類方面的應用，實驗結果表明，DBN模型能夠有效的對干涉SAR圖像進行分類

3、。本文的主要工作如下：
　　1.提出了一種基于相干圖的分割結果對干涉SAR圖像分類的優(yōu)化。首先討論干涉SAR圖像各種特征對分類結果的影響，對干涉SAR主輔強度圖和相干圖的每個像素取其鄰域一個大小M M窗口作為其特征，結合強度圖的紋理特征，可以有效的去除雜點。然后對相干圖進行初始分割，分割結果作為上一步SVM分類的約束條件，實驗結果表明其可以進一步的改善分類結果。
　　2.提出一種基于深度學習模型的干涉SAR圖像分類算法。DB