基于监视检测的高分SAR影像地物分类方法研究

摘要

合成孔径雷达(Synthetic Aperture Radar,SAR)提供了全天时、全天候的对地观测遥感信息,但因其具有目标结构性特征缺失、相干斑噪声及场景间关联困难等先天性缺陷,导致大量SAR影像的人工理解变得复杂。随着SAR影像分辨率的提升、处理对象的多样化以及处理数据的海量化,更多的影像内容有待于挖掘和利用。为了满足军用及民用更广的应用需求,针对高分辨率SAR影像的快速的、准确的、适应性强的、易于人工操作的解译技术亟需发展。
　　本文面向高分辨率 SAR图像解译中的场景分类问题,重点解决SAR影像解译中的地物要素提取的稳定性及可靠性问题,并考虑高分辨率SAR影像内容方面的高层语义信息及空间信息,提出了一种基于监视检测(Spy Detection)的一类提取(One Class Extraction)分类框架。该框架分为先验知识获取、图像表征、核心分类器及相关性分析四个模块,旨在解决高分SAR影像复杂条件下的地物分类问题。
　　本文通过三景不同的实验数据,验证了仅正分类器及一类提取分类框架在高分辨率SAR影像解译中的可行性,完成四类地物分类工作,并分析了监视检测给系统性能带来的提升。通过实验证明,本文提出的方法在少量先验知识的条件下,可以较为准确的、便捷的、稳定的完成高分辨率SAR影像的场景分类工作,达到与正负样本分类器相近的性能。

目录

封面

声明

中文摘要

英文摘要

目录

图录

表录

第一章 绪论

1.1研究背景

1.2国内外研究现状及发展趋势

1.3论文的主要内容与章节安排

第二章 监督分类基础

2.1本章概述

2.2机器学习基础理论

2.3支持向量机

2.4仅正样本分类器

2.5监视检测

2.6本章小结

第三章 基于监视检测的地物分类方法

3.1本章概述

3.2先验知识的获取

3.3图像表征

3.4核心分类器

3.5基于内容的相关性分析

3.6本章小结

第四章 实验与分析

4.1本章概述

4.2地物分类衡量指标

4.3仅正分类器的地物分类实现

4.4一类提取的地物分类实现

4.5基于监视检测的一类提取地物分类实现

4.6实验综述分析

第五章 结束语

5.1主要工作与创新点

5.2后续研究工作

参考文献

致谢

攻读硕士学位期间已发表或录用的论文