基于目標(biāo)分解和svm的pol-sar圖像分類方法研究

《基于目標(biāo)分解和svm的pol-sar圖像分類方法研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。

1、哈爾濱工業(yè)大學(xué)工學(xué)碩士學(xué)位論文新的研究熱點(diǎn)，將有力地推動(dòng)機(jī)器學(xué)習(xí)理論和技術(shù)的發(fā)展。本課題來源于國家自然科學(xué)資金資助項(xiàng)目“基于極化干涉合成孔徑雷達(dá)圖象的人造目標(biāo)檢測與識別研究”(60672091)。該項(xiàng)目主要研究基于PolInSAR圖象的人造目標(biāo)的特性、檢測與識別問題，是PolInSAR技術(shù)發(fā)展的趨勢和一個(gè)重要方向，本文主要研究了基于極化目標(biāo)分解和SVM的POL-SAR圖像分類技術(shù)，把分類區(qū)域中包括人造目標(biāo)和自然植被在內(nèi)的不同地物較好地區(qū)分開，為人造目標(biāo)的檢測與識別提供了基礎(chǔ)。1.2國內(nèi)外研究現(xiàn)狀及分析有關(guān)極化雷達(dá)的研究，

2、可以追溯20世紀(jì)50年代。1950年，Sinclair引入了散射矩陣概念；隨后，Kennaugh將這一概念引入到雷達(dá)遙感領(lǐng)域；1970年，Huynen在其博士論文中對雷達(dá)目標(biāo)的極化散射特性進(jìn)行了深入細(xì)致的研究，極大地更新了極化雷達(dá)系統(tǒng)的概念；1981年，Poelman提出的極化合成技術(shù)，第一次指出只需要利用兩個(gè)相互正交的雙通道極化收發(fā)體制，即可得到目標(biāo)的全極化散射信息；之后W.M.Boerner將極化合成技術(shù)成功應(yīng)用到電磁逆散射和目標(biāo)識別問題中。美國JPL實(shí)驗(yàn)室于1985年研制成功第一部實(shí)際機(jī)載全極化合成孔徑雷達(dá)CV-9

3、00,開創(chuàng)了POL-SAR研究的新紀(jì)元。此后，關(guān)于POL-SAR的研究進(jìn)入了一個(gè)蓬勃發(fā)展時(shí)期。SVM（SVM-SupportVectorMachine）方法建立在統(tǒng)計(jì)學(xué)習(xí)理論的VC維理論和結(jié)構(gòu)風(fēng)險(xiǎn)最小化（SRM-StructuralRiskMinimization）原理基礎(chǔ)之上,是一種新型的學(xué)習(xí)方法。其核心內(nèi)容從1992年才開始提出，1995年，Vapnik的《TheNatureofStatisticalLearningTheory》一書的出版，標(biāo)志著統(tǒng)計(jì)學(xué)習(xí)理論體系已走向成熟，1999年IEEETrans.onNeur

4、alNetwork為統(tǒng)計(jì)學(xué)習(xí)理論出版了?？?，MIT出版社出版了《AdvancesinKernelMethod》，使統(tǒng)計(jì)學(xué)習(xí)理論的研究與應(yīng)用推向了一個(gè)高潮，應(yīng)用范圍和成果不斷擴(kuò)大。1.2.1POL-SAR系統(tǒng)的發(fā)展現(xiàn)狀目前應(yīng)用比較廣泛的機(jī)載POL-SAR系統(tǒng)有美國NASA/JPL的AIRSAR/TOPSAR、德國DLR的E-SAR、加拿大CCRS的C/X-SAR、日本NASDA/JAXA的Pi-SAR、丹麥的EMISAR等，所有機(jī)載系統(tǒng)均工作在多波段模式下，美國的SIR-C系統(tǒng)是最早投入使用的天基POL-SAR系統(tǒng)，其波段

5、覆蓋P、L、C等波段。2002年發(fā)射的歐洲ENVISAT上所攜帶的C波段-2-哈爾濱工業(yè)大學(xué)工學(xué)碩士學(xué)位論文ASAR是第一個(gè)星載多極化SAR系統(tǒng)，可在VV+HH/VV+VH/HH+HV極化方式下工作。2006年1月發(fā)射的日本ALOS衛(wèi)星上所攜帶的L波段PALSAR，是第一個(gè)真正意義上的星載全極化SAR系統(tǒng)。此后，德國定于2006年末發(fā)射TerraSAR-X，加拿大全極化RADARSAT-2將于2007年初發(fā)射，這標(biāo)志著星載SAR系統(tǒng)將全面進(jìn)入全極化工作階段。1.2POL-SAR圖像信息提取POL-SAR圖像信息提取主要包

6、括目標(biāo)分解、分類和參數(shù)反演等，1970年Huynen最先提出目標(biāo)分解的概念，之后VanZyl，Krogager，S.R.Cloude，E.Pottier等人做了大量基礎(chǔ)性的研究，使得目標(biāo)分解初步邁向了實(shí)用，先后出現(xiàn)了許多基于目標(biāo)分解的極化圖像目標(biāo)分類與識別算法。1.2.1極化目標(biāo)分解方法的研究發(fā)展現(xiàn)狀POL-SAR數(shù)據(jù)處理中目標(biāo)分解的主要目的是把極化散射矩陣或相干矩陣和協(xié)方差矩陣分解成具有不同散射機(jī)理的若干項(xiàng)之和，每一項(xiàng)對應(yīng)一定的物理意義。極化目標(biāo)分解理論的突出優(yōu)點(diǎn)就是它們大都具有明確的物理解釋，因?yàn)槟繕?biāo)回波的極化信息可

7、以反映目標(biāo)的幾何結(jié)構(gòu)和物理特性，所以極化目標(biāo)分解理論可用于目標(biāo)分類或識別。1970年Huynen第一次提出“目標(biāo)信息分解”的概念[2]，之后，J.J.Van Zyl，E.Krogager[3,4]，S.R.Cloude，E.Pottier[5~7]等人做了大量基礎(chǔ)性的研究，使得目標(biāo)分解理論逐步用于實(shí)際應(yīng)用，先后出現(xiàn)了許多基于目標(biāo)分解理論的極化圖像目標(biāo)分類與識別算法。目前，對于極化目標(biāo)分解方法主要分為基于相干目標(biāo)的分解和基于部分相干目標(biāo)的分解兩類。相干目標(biāo)分解基于目標(biāo)的極化散射矩陣，主要包括Pauli分解、Krogager

8、提出的SDH分解[4,8]、Cameron分解[9]、Touzi提出的 SSCM分解[10]和TSVM-TCD分解[11]等等。部分相干目標(biāo)分解針對的則是回波是部分極化波的情況，分解的對象一般是目標(biāo)的二階統(tǒng)計(jì)量，相干矩陣、協(xié)方差矩陣、Mueller矩陣和Kennaugh 矩陣等。部分相干目標(biāo)的分解的主要方法有，Huy