基于素描信息和貝葉斯網(wǎng)絡(luò)特征學(xué)習(xí)的SAR圖像語義分割

ID:37028677

大?。?.59 MB

頁數(shù):79頁

時間:2019-05-15

基于素描信息和貝葉斯網(wǎng)絡(luò)特征學(xué)習(xí)的SAR圖像語義分割_第1頁
基于素描信息和貝葉斯網(wǎng)絡(luò)特征學(xué)習(xí)的SAR圖像語義分割_第2頁
基于素描信息和貝葉斯網(wǎng)絡(luò)特征學(xué)習(xí)的SAR圖像語義分割_第3頁
基于素描信息和貝葉斯網(wǎng)絡(luò)特征學(xué)習(xí)的SAR圖像語義分割_第4頁
基于素描信息和貝葉斯網(wǎng)絡(luò)特征學(xué)習(xí)的SAR圖像語義分割_第5頁
資源描述:

《基于素描信息和貝葉斯網(wǎng)絡(luò)特征學(xué)習(xí)的SAR圖像語義分割》由會員上傳分享,免費在線閱讀,更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫

1、麟{謂似專■碩士學(xué)位論文_1J基于素描信息和貝葉斯網(wǎng)絡(luò)特征學(xué)習(xí)的SAR像語義分割1(作者姓名李遠杰學(xué)校導(dǎo)師姓名、職稱劉芳教授企業(yè)導(dǎo)師姓名、職稱劉文學(xué)高工申請學(xué)位類別工程碩士1基于素描信息和貝葉斯網(wǎng)絡(luò)特征學(xué)習(xí)的SAR圖像語義分割作者姓名李遠杰學(xué)校導(dǎo)師姓名、職稱劉芳教授企業(yè)導(dǎo)師姓名、職稱劉文學(xué)高工申請學(xué)位類別工程碩士學(xué)校代碼10701學(xué)號1503121774分類號TP75密級公開西安電子科技大學(xué)碩士學(xué)位論文基于素描信息和貝葉斯網(wǎng)絡(luò)特征學(xué)習(xí)的SAR圖像語義分割作者姓名:李遠杰領(lǐng)域

2、:計算機技術(shù)學(xué)位類別:工程碩士學(xué)校導(dǎo)師姓名、職稱:劉芳教授企業(yè)導(dǎo)師姓名、職稱:劉文學(xué)高工學(xué)院:計算機學(xué)院提交日期:2018年6月SARImageSemanticSegmentationBasedonSketchInformationandFeatureLearningByBayesianNetworkAthesissubmittedtoXIDIANUNIVERSITYinpartialfulfillmentoftherequirementsforthedegreeofMasterinComputerTechnol

3、ogyByLiYuanjieSupervisor:LiuFangTitle:ProfessorSupervisor:LiuWenxueTitle:SeniorEngineerJune2018Title:April2018西安電子科技大學(xué)學(xué)位論文獨創(chuàng)性(或創(chuàng)新性)聲明秉承學(xué)校嚴謹?shù)膶W(xué)風(fēng)和優(yōu)良的科學(xué)道德,本人聲明所呈交的論文是我個人在導(dǎo)師指導(dǎo)下進行的研究工作及取得的研究成果。盡我所知,除了文中特別加以標注和致謝中所羅列的內(nèi)容以外,論文中不包含其他人已經(jīng)發(fā)表或撰寫過的研宄成果;也不包含為獲得西安電子

4、科技大學(xué)或其它教育機構(gòu)的學(xué)位或證書而使用過的材料一。與我同工作的同事對本研究所做的任何貢獻均己在論文中作了明確的說明并表示了謝意。一學(xué)位論文若有不實之處,本人承擔(dān)切法律責(zé)任。録,°濃,廣本人簽名:4日期:>西安電子科技大學(xué)關(guān)于論文使用授權(quán)的說明本人完全了解西安電子科技大學(xué)有關(guān)保留和使用學(xué)位論文的規(guī)定,g卩:研筘生在校攻讀學(xué)位期間論文工作的知識產(chǎn)權(quán)屬于西安電子科技大學(xué)。學(xué)校有權(quán)保留送交、論文的復(fù)印件,允許查閱借閱論文;學(xué)校可以公布論文的全部或部分內(nèi)容,允許采用影印、縮印

5、或其它復(fù)制手段保存論文。同時本人保證,結(jié)合學(xué)位論文研宄成果完成的論文、發(fā)明專利等成果,署名單位為西安電子科技大學(xué)。本人簽名:導(dǎo)師簽名::m日期日期:讀摘要摘要隨著SAR成像技術(shù)的快速發(fā)展,使得SAR圖像解譯技術(shù)的研究成為焦點,而SAR圖像分割技術(shù)是研究SAR圖像解譯技術(shù)的前提和基礎(chǔ),也是SAR圖像解譯工作的重要組成部分。由于SAR圖像存在混雜、異構(gòu)、高維等特點,使得SAR圖像特征提取工作困難重重,為SAR圖像分割工作的進行添加了難度。本團隊提出的層次視覺語義模型,將SAR圖像劃分成混合,結(jié)構(gòu)以

6、及勻質(zhì)區(qū)域像素子空間,該模型很好的解決了SAR圖像的異構(gòu)問題,為SAR圖像分割問題的解決打下了良好的基礎(chǔ)。本文在此基礎(chǔ)上,利用SAR圖像素描圖中素描線段的信息,提出了基于素描信息和貝葉斯網(wǎng)絡(luò)特征學(xué)習(xí)的SAR圖像語義分割方法,具體研究成果如下:(1)提出一種基于素描方向信息和特征學(xué)習(xí)的混合像素子空間分割方法。設(shè)計了素描方向統(tǒng)計向量對SAR圖像混合像素子空間中的極不勻質(zhì)區(qū)域進行表示。極不勻質(zhì)區(qū)域地物結(jié)構(gòu)復(fù)雜,背景信息豐富,傳統(tǒng)方法很難提取到有效的特征。而SAR圖像素描圖是對SAR圖像的稀疏表示,圖中的素描線段包含了豐

7、富的語義信息,依據(jù)素描線段方向特性設(shè)計特征抓住了圖像地物明顯的方向結(jié)構(gòu),通過對該人工特征的聚類完成混合像素子空間的初次聚類。結(jié)合人工特征和學(xué)習(xí)特征的優(yōu)點,通過人工特征的初次分類結(jié)果,結(jié)合貝葉斯學(xué)習(xí)網(wǎng)絡(luò)獲得學(xué)習(xí)的特征,通過聚類方法完成分割,根據(jù)實驗驗證該方法是可行的。(2)提出一種基于聚類方法和特征相似度的分析方法對貝葉斯學(xué)習(xí)網(wǎng)絡(luò)進行參數(shù)分析。網(wǎng)絡(luò)參數(shù)選取的好壞直接影響著網(wǎng)絡(luò)的訓(xùn)練能力和學(xué)習(xí)效果。通過網(wǎng)絡(luò)輸入層神經(jīng)元參數(shù)和網(wǎng)絡(luò)隱層神經(jīng)元參數(shù)的不同選擇,完成仿真實驗,采用聚類方法和基于方差和均值的特征相似度方法,結(jié)合

8、實驗結(jié)果進行參數(shù)分析,選取最優(yōu)參數(shù),調(diào)整網(wǎng)絡(luò)結(jié)構(gòu),增強網(wǎng)絡(luò)學(xué)習(xí)性能,提高圖像分割的準確度。(3)提出一種基于素描空間結(jié)構(gòu)和貝葉斯學(xué)習(xí)網(wǎng)絡(luò)的分割方法。依據(jù)素描線段的空間位置和長度信息,設(shè)計貝葉斯學(xué)習(xí)網(wǎng)絡(luò)的約束條件,提高網(wǎng)絡(luò)重構(gòu)效果,增強網(wǎng)絡(luò)學(xué)習(xí)性能,進行混合像素子空間的分割。用已有的方法完成勻質(zhì)區(qū)域像素子空間和結(jié)構(gòu)像素子空間的分割。融合合并所有像素子空間的分割結(jié)果得到最終的

當(dāng)前文檔最多預(yù)覽五頁,下載文檔查看全文

此文檔下載收益歸作者所有

當(dāng)前文檔最多預(yù)覽五頁,下載文檔查看全文
溫馨提示:
1. 部分包含數(shù)學(xué)公式或PPT動畫的文件,查看預(yù)覽時可能會顯示錯亂或異常,文件下載后無此問題,請放心下載。
2. 本文檔由用戶上傳,版權(quán)歸屬用戶,天天文庫負責(zé)整理代發(fā)布。如果您對本文檔版權(quán)有爭議請及時聯(lián)系客服。
3. 下載前請仔細閱讀文檔內(nèi)容,確認文檔內(nèi)容符合您的需求后進行下載,若出現(xiàn)內(nèi)容與標題不符可向本站投訴處理。
4. 下載文檔時可能由于網(wǎng)絡(luò)波動等原因無法下載或下載錯誤,付費完成后未能成功下載的用戶請聯(lián)系客服處理。
关闭