基于低秩方法的极化SAR图像分类方法

摘要

当前,极化合成孔径雷达( Polarimetric Synthetic Aperture Radar)已成为国际对地观测领域的重要方向之一。极化SAR有单极化和全极化之分,单极化SAR图像的处理是遥感技术应用里非常重要的部分,而与单极化SAR相比的全极化SAR图像能够提供更多的地物信息。地物分类是极化SAR图像的重要方向之一,有利于人们对极化图像的理解以及挖掘图像中的隐含的信息。
　　本文主要研究基于低秩表示( LRR)的极化SAR图像分类方法。低秩表示的方法可以解决子空间的分类问题,本文首先进行特征提取,然后通过低秩表示对特征空间进行划分,最后对低秩表示系数进行聚类,获取聚类结果。主要工作如下:
　　1.提出了一种基于低秩表示的单幅图SAR图像分割方法和多幅图分类方法。分割方法首先进行过分割,然后提取特征,最后分割,得到分割结果;多幅图的分类方法对输入的每幅子图像进行小波分解,并求小波能量构建特征矩阵,然后对特征矩阵进行低秩处理,获取低秩系数,对低秩系数进行聚类,最后计算聚类结果,该方法相对于其他的一些经典的聚类方法能够更好的提高聚类正确率。
　　2.提出了一种基于超像素低秩表示的全极化SAR图像分类方法。该方法将目标的极化特征基于传统的Freeman分解,得三种散射机制;用超像素对极化SAR图像进行预分割处理,将图像分割为互不重叠的小区域,这个小区域也就是所说的超像素;根据Freeman分解得到的散射机制,对所有超像素分别提取对应的特征向量,并构建特征矩阵;对特征矩阵进行低秩表示;然后对低秩系数进行聚类,获取聚类结果;最后,采用Wishart分类器做最后的调整。与已有的经典极化SAR分类方法相比,该方法提高了一定的分类精度,并具有较强的普适性。
　　3.提出了一种基于超像素的潜在低秩表示( LAT_LRR)的全极化SAR图像分类方法。该方法的框架与上一章提出的方法类似,这章主要是用潜在低秩表示来对特征矩阵来求解表示系数,潜在低秩表示相比低秩表示,它更具鲁棒性。与已有的经典全极化SAR分类方法相比,也是具有很好的分类效果。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪论

1.1 研究背景与研究意义

1.2技术介绍和现状展示

1.3 本文研究的内容与安排

第二章 极化SAR的基本理论

2.1电磁波基本理论

2.2极化特性的表述

2.3 基本散射机理

2.4两类极化SAR影像分类

2.5 本章小结

第三章 基于低秩表示的SAR图像分割

3.1 引言

3.2 低秩子空间的相关理论

3.3 基于小波特征的低秩表示的SAR图像聚类

3.4 基于超像素低秩表示的SAR图像分割

3.5 实验结果及分析

3.6 本章小结

第四章 基于超像素低秩表示的全极化SAR图像分类

4.1 引言

4.2 Freeman极化分解

4.3 超像素理论

4.4 基于超像素低秩表示的极化SAR图像分类

4.5 实验结果及分析

4.6 本章小结

第五章 基于超像素的潜在低秩表示的全极化SAR图像分类

5.1 引言

5.2 潜在低秩表示的相关理论

5.3 基于超像素的潜在低秩表示的全极化SAR图像分类

5.4 实验结果及分析

5.5 本章小结

第六章 总结和展望

6.1 工作总结

6.2 工作存在的问题及展望

致谢

参考文献

硕士期间的学术成果