基于张量信号处理的极化SAR分类算法研究

摘要

由于张量能够很好地表征高维数据，能够有效保留多维数据之间的结构信息，所以张量分析技术在多维遥感图像分类算法研究中具有重要意义。极化合成孔径雷达（SAR）是一种具有代表性的多维遥感成像技术。为此，本文研究了基于张量分析的极化SAR边缘检测和分类方法。主要完成以下几个工作：
　　提出了基于加权结构张量的极化SAR边缘检测方法：传统的极化SAR边缘检测方法通常沿袭于SAR边缘检测，在检测效果上并不理想。本文首先研究了基于平均加权结构张量进行极化SAR边缘检测的方法。该方法通过平均加权的方法融合各图像通道的结构张量，其本质是认为每个通道提供等量的边缘信息量。进而，本文提出一种基于特征值度量的加权结构张量的极化SAR边缘检测方法。该方法利用特征值的方式充分度量了每个图像通道的边缘信息量，以此融合得到最终的多通道结构张量。实际数据处理结果表明：相比于传统的极化SAR边缘检测方法，本文提出的基于加权结构张量的极化SAR边缘检测方法可以获得更好的边缘检测结果。
　　提出了极化 SAR样本点的高阶表示形式并将秩一支持张量机应用于极化SAR图像分类：极化 SAR图像分类的特征量通常由目标极化分解得到。同一分解机制往往能够得到若干特征量，因此所有分解方法得到的特征量集合存在结构关系。传统的极化SAR分类方法将这些特征量排列成向量的形式，这必然破坏了特征量之间的结构关系，导致分类性能较差。为了避免这一问题，本文研究了极化SAR数据的高阶表示形式。基于以上分析，本文还将秩一支持张量机应用于极化SAR图像分类，实验结果表明，本文提出的极化SAR高阶表示形式的确能够利用结构信息，取得更好的分类结果。

目录

声明

第一章 绪论

1.1 研究背景及意义

1.2 国内外研究现状

1.3 本文研究内容及主要工作

1.4 结构安排

第二章 张量信号处理的基本理论

2.1 张量代数的基本原理

2.2 结构张量的基本原理

2.3 本章小结

第三章 基于加权结构张量的极化SAR边缘检测

3.1 极化SAR数据模型

3.2基于恒虚警率算法的极化SAR边缘检测

3.3 基于平均加权结构张量的极化SAR边缘检测

3.4 基于特征值度量的加权结构张量的极化SAR边缘检测

3.5 仿真实验

3.6本章小结

第四章 基于张量表示的极化SAR图像分类

4.1基于极化SAR目标分解的特征量获取

4.2极化SAR特征量的张量表示

4.3 支持向量机

4.4 秩一支持张量机

4.5基于支持张量机的极化SAR分类

4.6本章小结

第五章 总结与展望

致谢

参考文献

攻读硕士学位期间的研究成果