

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、極化合成孔徑雷達(Polarimetric Synthetic Aperture Radar,簡稱極化SAR)拓寬了合成孔徑雷達(Synthetic Aperture Radar,SAR)的應用。目前極化SAR圖像分類方法已成為遙感技術的重要組成部分,并成為一個熱門的研究課題。相比傳統(tǒng)的SAR圖像其獲取了HH,HV,VH,VV散射回波信息,從而可以獲得更詳細的地物信息,有了這些新功能的加入,就可以提高極化SAR圖像的分類精確度。
2、 本文的主要內容是對極化SAR圖像地物分類的研究。分類是圖像解譯技術的重要組成部分,它在地形制圖,冰川識別,植被群落區(qū)分等方面發(fā)揮著重要的作用。本文首先將重點放在極化SAR的特征提取上,然后結合幾種分類器對圖像進行分類,主要包括以下兩方面的內容:
1.給出了一種基于棧式自編碼器(SAE)和支持矢量機(SVM)的極化SAR圖像地物分類。這個方法能夠充分挖掘出極化SAR的特征信息,首先提取出極化SAR的偏振特征以及散射特征,把這
3、兩種特性進行融合得到極化SAR的初級特征值,將這些初級特征加入棧式自編碼網絡進行學習,學習出更加高級的特征,最后結合SVM以及Softmax進行最后的分類比較,實驗驗證了此方法的有效性。
2.給出了一種基于散射偏振特征和稀疏表示分類器(SRC)的極化 SAR圖像分類方法。該方法是通過Cloude分解、Freeman分解等提取出極化SAR的有效信息,最后輸入到 SRC中進行分類,實驗結果表明該方法具有較高的分類準確率,并且具有很
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,請聯系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,請與我們聯系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于稀疏表示的面向對象極化SAR圖像分類.pdf
- 基于稀疏編碼的極化SAR影像地物分類.pdf
- 面向極化SAR地物分類的稀疏深度網絡.pdf
- 基于聯合域聚類和稀疏表示的極化SAR圖像分類.pdf
- 基于多尺度和多層稀疏表示的SAR地物分類.pdf
- 基于強度統(tǒng)計稀疏的極化SAR圖像分類.pdf
- 基于聯合稀疏表示的sar圖像分類方法研究
- 基于面向對象的極化SAR地物分類.pdf
- 基于稀疏編碼和SVM的極化SAR影像地物分類方法研究.pdf
- 基于目標分解與機器學習的極化SAR圖像地物分類.pdf
- 基于聯合稀疏表示的SAR圖像分類方法研究.pdf
- 基于散射機理和目標分解的極化SAR圖像地物分類.pdf
- 基于稀疏編碼字典和深度學習的極化SAR影像地物分類.pdf
- 基于深層特征學習和稀疏表示的SAR圖像分類.pdf
- 基于特征向量統(tǒng)計的極化SAR地物分類.pdf
- 極化SAR圖像分類與分類器的回歸實現.pdf
- 基于極化分解的極化SAR圖像分類.pdf
- 基于半監(jiān)督學習的極化SAR地物分類.pdf
- 基于稀疏表示的SAR圖像分類模型及其算法的研究.pdf
- 基于深度RPCA網絡的極化SAR影像地物分類.pdf
評論
0/150
提交評論