基于視覺先驗(yàn)?zāi)Ｐ偷臉O化SAR圖像分類研究.pdf

1、極化合成孔徑雷達(dá)(Polarimetric Synthetic Aperture Radar,簡(jiǎn)寫PolSAR)是一種多參數(shù)、多通道的相干成像雷達(dá)系統(tǒng),它通過測(cè)量地面每一分辨單元內(nèi)的全極化散射回波獲取目標(biāo)的極化信息。極化SAR圖像分類是圖像解譯的重要步驟。而近年來,稀疏編碼模型被廣泛應(yīng)用于信號(hào)、圖像以及視頻處理等領(lǐng)域?；趯W(xué)習(xí)字典的稀疏模型能夠充分利用訓(xùn)練信號(hào)的語義先驗(yàn)知識(shí),自適應(yīng)地學(xué)習(xí)字典,從而取得更好的實(shí)驗(yàn)性能。本文研究了基于視覺先

2、驗(yàn)?zāi)Ｐ偷淖值鋵W(xué)習(xí)分類方法,并對(duì)該算法進(jìn)行改進(jìn),將改進(jìn)算法用于極化SAR圖像地物分類中,得到了很好的分類效果。本文研究?jī)?nèi)容概括如下:
　　(1).提出了一種基于視覺先驗(yàn)?zāi)Ｐ偷臉O化SAR圖像分類方法。將極化數(shù)據(jù)(這里是協(xié)方差矩陣或者相干矩陣)重新排成列向量形式,利用基于視覺先驗(yàn)?zāi)Ｐ偷淖值鋵W(xué)習(xí)方法隨機(jī)從待分類圖像中抽取足夠的訓(xùn)練樣本,進(jìn)行針對(duì)待分類圖像的自適應(yīng)字典學(xué)習(xí)過程,充分挖掘出極化SAR數(shù)據(jù)的結(jié)構(gòu)信息,從而獲得極化圖像的稀疏編碼系

3、數(shù)。由于對(duì)于不同結(jié)構(gòu)類型的極化數(shù)據(jù),提取的稀疏系數(shù)已經(jīng)具有差異性,于是最后我們利用 k均值聚類算法得到最終的分類結(jié)果。從實(shí)驗(yàn)結(jié)果可以看出,該算法對(duì)于極化數(shù)據(jù)分類是有效的,而且類別選擇靈活,圖像細(xì)節(jié)保持較好。
　　(2).提出了一種基于視覺先驗(yàn)?zāi)Ｐ秃蛷?fù) Wishart分布的極化 SAR圖像分類方法。首先利用基于視覺先驗(yàn)?zāi)Ｐ偷淖值鋵W(xué)習(xí)方法對(duì)圖像進(jìn)行初始類別的劃分,之后引入了類別合并算法和復(fù)Wishart分類器,有效利用了極化數(shù)據(jù)的統(tǒng)計(jì)

4、分布先驗(yàn)知識(shí),在初始類別劃分的基礎(chǔ)上又對(duì)整幅圖像進(jìn)行二次劃分,改善了每一類的劃分結(jié)果,進(jìn)一步提高了分類精度,實(shí)現(xiàn)極化SAR圖像分類。該算法普適性好,類別選擇靈活,并且圖像細(xì)節(jié)保持較好,且具有較高的分類精度。
　　(3).提出了一種基于多層視覺模型的極化SAR圖像分類方法。在極化SAR數(shù)據(jù)的字典學(xué)習(xí)過程中,引入了多層字典學(xué)習(xí)的思想,對(duì)極化數(shù)據(jù)進(jìn)行深層學(xué)習(xí),挖掘出數(shù)據(jù)中更多的有用信息,然后通過k均值聚類算法和復(fù)Wishart分類器進(jìn)行