資源描述：
《基于深度學(xué)習(xí)和層次語義空間的SAR圖像分割》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、基于深度學(xué)習(xí)和層次語義空間的SAR圖像分割作者姓名孟義鵬指導(dǎo)教師姓名、職稱劉芳教授申請(qǐng)學(xué)位類別工學(xué)碩士萬方數(shù)據(jù)萬方數(shù)據(jù)學(xué)校代碼10701學(xué)號(hào)1403121685分類號(hào)TP75密級(jí)公開西安電子科技大學(xué)碩士學(xué)位論文基于深度學(xué)習(xí)和層次語義空間的SAR圖像分割作者姓名：孟義鵬一級(jí)學(xué)科：計(jì)算機(jī)科學(xué)與技術(shù)二級(jí)學(xué)科：計(jì)算機(jī)應(yīng)用技術(shù)學(xué)位類別：工學(xué)碩士指導(dǎo)教師姓名、職稱：劉芳教授學(xué)院：計(jì)算機(jī)學(xué)院提交日期：2017年6月萬方數(shù)據(jù)萬方數(shù)據(jù)SARImageSegmentationBasedonDeepLearningandHierarchicalSemanticSpaceAthesissubm
2、ittedtoXIDIANUNIVERSITYinpartialfulfillmentoftherequirementsforthedegreeofMasterinComputerApplicationTechnologyByMengYipengSupervisor:LiuFangProfessorJune2017萬方數(shù)據(jù)萬方數(shù)據(jù)西安電子科技大學(xué)學(xué)位論文獨(dú)創(chuàng)性（或創(chuàng)新性）聲明秉承學(xué)校嚴(yán)謹(jǐn)?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(gè)人在導(dǎo)師指導(dǎo)下進(jìn)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(biāo)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
3、的研究成果；也不包含為獲得西安電子科技大學(xué)或其它教育機(jī)構(gòu)的學(xué)位或證書而使用過的材料。與我一同工作的同事對(duì)本研究所做的任何貢獻(xiàn)均已在論文中作了明確的說明并表示了謝意。學(xué)位論文若有不實(shí)之處，本人承擔(dān)一切法律責(zé)任。本人簽名：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，即：研究生在校攻讀學(xué)位期間論文工作的知識(shí)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、縮印或其它復(fù)制手段保存論文。同時(shí)本人保證，結(jié)合學(xué)位論文研究成果完成的論文、發(fā)明專利等成果，署
4、名單位為西安電子科技大學(xué)。保密的學(xué)位論文在年解密后適用本授權(quán)書。本人簽名：導(dǎo)師簽名：日期：日期：萬方數(shù)據(jù)萬方數(shù)據(jù)摘要摘要SAR圖像分割是SAR圖像處理到解析的關(guān)鍵第一步，在SAR圖像解譯與理解過程中占重要的地位。目前，SAR圖像分割的很多研究中往往忽略了圖像中的語義信息，本團(tuán)隊(duì)針對(duì)SAR圖像高維、異構(gòu)、混雜的特性，提出了SAR圖像層次視覺語義模型，構(gòu)建了SAR圖像的層次語義空間。基于層次語義空間，將SAR圖像劃分為混合像素子空間，結(jié)構(gòu)像素子空間和勻質(zhì)像素子空間，針對(duì)各個(gè)像素子空間的特性，采取不同的分割策略。在SAR圖像分割過程中，好的特征可以提高圖像分割質(zhì)量，隨著大數(shù)據(jù)
5、時(shí)代的到來，僅僅依靠人工提取特征已經(jīng)無法滿足海量SAR圖像的特征提取，深度學(xué)習(xí)可以從海量大數(shù)據(jù)中自動(dòng)學(xué)習(xí)圖像的特征表示。針對(duì)上述問題，本文提出基于深度學(xué)習(xí)和層次語義空間的SAR圖像分割方法。本文的主要?jiǎng)?chuàng)新點(diǎn)如下：（1）針對(duì)SAR圖像混合像素子空間地物結(jié)構(gòu)混雜、極不勻質(zhì)的特性，提出了一種基于反卷積網(wǎng)絡(luò)和素描線方向指導(dǎo)的SAR混合像素子空間分割方法?；旌舷袼刈涌臻g地物散射性差距較大，特征提取相對(duì)困難，包含若干個(gè)互不連通的極不勻質(zhì)區(qū)域，本文首先利用無監(jiān)督模型自動(dòng)提取該像素子空間中各區(qū)域的結(jié)構(gòu)特征，然后挖掘區(qū)域結(jié)構(gòu)特征中豐富的語義信息，同時(shí)設(shè)計(jì)了相關(guān)特征向量，最后利用素描線方向
6、信息指導(dǎo)，構(gòu)造了含有方向標(biāo)簽的特征碼本，提出基于方向約束的特征編碼算法，完成混合像素子空間的分割工作。（2）SAR混合像素子空間包含多個(gè)不連通的極不勻質(zhì)區(qū)域，對(duì)多個(gè)區(qū)域的分類合并是完成該像素子空間分割的前提。本文對(duì)反卷積網(wǎng)絡(luò)模型加入素描方向先驗(yàn)信息，提取更加豐富的圖像特征，通過抓取圖像特征中的素描線特性，并且結(jié)合自組織特征映射網(wǎng)絡(luò)，提出了基于結(jié)構(gòu)學(xué)習(xí)和素描特性推理網(wǎng)絡(luò)的SAR混合像素子空間分割方法，該方法解決了混合像素子空間不連通區(qū)域的合并問題，從而實(shí)現(xiàn)混合像素子空間的分割。（3）對(duì)于混雜異構(gòu)的SAR圖像，本文提出一種基于層次視覺語義模型和特征學(xué)習(xí)的SAR圖像分割方法。
7、對(duì)于混合像素子空間，采用本文提出的基于特征學(xué)習(xí)和素描特性的分割策略；對(duì)于結(jié)構(gòu)像素子空間，由于該像素子空間具有豐富的邊界、線目標(biāo)、獨(dú)立目標(biāo)信息，分別采用基于視覺語義規(guī)則的線目標(biāo)分割方法和基于素描線聚攏特征的獨(dú)立目標(biāo)分割方法；對(duì)于勻質(zhì)像素子空間，針對(duì)其微紋理特性，采用基于自適應(yīng)鄰域多項(xiàng)式隱模型的分割方法。最后將各個(gè)像素空間的分割結(jié)果融合，得到最終的SAR圖像分割。關(guān)鍵詞：SAR，圖像分割，層次語義空間，反卷積網(wǎng)絡(luò)，素描線特性I萬方數(shù)據(jù)西安電子科技大學(xué)碩士學(xué)位論文II萬方數(shù)據(jù)ABSTRACTABSTRACTSARimagesegmentatio
