基于隨機投影的SAR圖像紋理分類方法研究.pdf

1、圖像分類是模式識別領域中的最為重要的研究內容之一，而紋理是SAR圖像的重要信息與基本特征，它作為一種廣泛存在的圖像模式，自然成為SAR圖像分類的重要研究課題。近年來，由于壓縮感知技術的提出以及迅速發(fā)展，在若干應用領域都引起矚目，成為極為熱門的研究前沿。在這種形勢下，怎樣將壓縮感知的先進技術應用到SAR圖像紋理分類領域上來，自然引起我們的極大關注和深刻探索。
　　本文圍繞紋理分類和壓縮感知技術理論展開了深入研究，針對SAR圖像特點，

2、提出了以隨機投影中的觀測向量差作為特征向量進行紋理分類的方法，另外，在研究局部特征分布的圖像分類算法中，成功地將Signature（簽名或簇集）框架應用到壓縮感知圖像分類技術上，取得了一定的研究成果。
　　本文的主要工作和研究成果如下：
　　1.提出了一種基于觀測向量差的紋理分類方法。算法中，首先根據(jù)紋理分類與壓縮感知技術的各自特點，提出將觀測向量差作為最終紋理分類的特征向量的技術。其次，算法采用“詞袋”（bag of wo

3、rds）模型來給訓練圖像和測試圖像建模，對比訓練模板和測試模板就可以得到最終的分類率。實驗結果表明，本文算法比傳統(tǒng)的濾波器組分類方法和直接用觀測向量做特征向量的方法擁有絕對優(yōu)勢，且具有更強的魯棒性。
　　2.提出了一種基于 Signature/EMD框架的壓縮感知紋理分類方法。算法中，首先，利用Signature局部特征分布表示方法，將聚類中心及其相應的權值信息有效結合在一個簽名中，增加了圖像分類更多的判定信息。其次，利用陸地運動

4、距離（Earth Mover’s Distance，EMD）來度量圖像間的相似性。實驗結果表明本算法和原有算法相比，采樣率越低，聚類個數(shù)越少反而精度越高，建模的時間復雜度遠低于原有方法。
　　3.提出了一種基于zigzag掃描方式的觀測向量提取方法?；趬嚎s感知的紋理分類方法首先需要將一幅圖像轉換成一個一維向量。通常做法是直接對圖像的列向量首尾相接，拉成一條長列向量。這樣的連接方式顯然打亂了圖像塊的橫向信息。為了改進這一缺陷，本算

5、法采用zigzag掃描方式，與原有方法相比，減少了鄰域的平均間隔距離，從而保證了提取的觀測向量保持了更多的原始圖像信息，利于提高分類率。實驗證明了這種掃描方式的有效性。同時也說明，在圖像轉換成一維信號過程中，不同的掃描方式確實能夠影響最后的分類結果。在這個問題上，本章做了一次較為成功地嘗試。
　　本文工作得到了國家自然科學基金（No.60971128）；華為創(chuàng)新研究計劃項目(No. IRP-2011-03-04)資助。