多途污染的SAS圖像統(tǒng)計(jì)特性數(shù)據(jù)分類研究

多途污染的SAS圖像統(tǒng)計(jì)特性數(shù)據(jù)分類研究

ID:36596842

大?。?2.48 MB

頁數(shù):66頁

時間:2019-05-12

多途污染的SAS圖像統(tǒng)計(jì)特性數(shù)據(jù)分類研究_第1頁
多途污染的SAS圖像統(tǒng)計(jì)特性數(shù)據(jù)分類研究_第2頁
多途污染的SAS圖像統(tǒng)計(jì)特性數(shù)據(jù)分類研究_第3頁
多途污染的SAS圖像統(tǒng)計(jì)特性數(shù)據(jù)分類研究_第4頁
多途污染的SAS圖像統(tǒng)計(jì)特性數(shù)據(jù)分類研究_第5頁
資源描述:

《多途污染的SAS圖像統(tǒng)計(jì)特性數(shù)據(jù)分類研究》由會員上傳分享,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、獨(dú)創(chuàng)性聲明本人聲明所呈交的論文是我個人在導(dǎo)師指導(dǎo)下進(jìn)行的研究工作及取得的研究成果。除了文中特別加以標(biāo)注和致謝的地方外,論文中不包含其他人或集體已經(jīng)發(fā)表或撰寫過的研究成果,對本文的研究做出貢獻(xiàn)的集體和個人均已在論文中作了明確的說明并表示了謝意。研究生簽名:。生筮日論文使用和授權(quán)說明期:幽歹:復(fù)!絲本人完全了解云南大學(xué)有關(guān)保留、使用學(xué)位論文的規(guī)定,即:學(xué)校有權(quán)保留并向國家有關(guān)部門或機(jī)構(gòu)送交學(xué)位論文和論文電子版;允許論文被查閱或借閱;學(xué)校可以公布論文的全部或部分內(nèi)容,可以采用影印、縮印或其他復(fù)制手段保存論文。(保密的論文在解密后應(yīng)遵循此規(guī)定)研究生

2、簽名:.之盥導(dǎo)師簽名:本人及導(dǎo)師同意將學(xué)位論文提交至清華大學(xué)“中國學(xué)術(shù)期刊(光盤版)電子雜志社”進(jìn)行電子和網(wǎng)絡(luò)出版,并編入CNKI系列數(shù)據(jù)庫,傳播本學(xué)位論文的全部或部分內(nèi)容,同意按《中國優(yōu)秀博碩士學(xué)位論文全文數(shù)據(jù)庫出版章程》規(guī)定享受相關(guān)權(quán)益。研究生簽名:——導(dǎo)師簽名:日期:摘要合成孔徑聲納(SyntheticApertureSonar)是現(xiàn)代一種常用的水下探測聲納,它的基本原理是小尺寸的基陣通過勻速直線運(yùn)動來模擬大孔徑基陣,從而獲得距離向和方位向的高分辨率。該技術(shù)最先運(yùn)用于合成孔徑雷達(dá)(SyntheticApertureRadar,簡稱SAR

3、),成為對地觀測的主要手段。在SAR基礎(chǔ)上,經(jīng)過國內(nèi)外學(xué)者多年的研究,成功將其運(yùn)用到聲納中,成為一種新型的水下觀測手段,其國內(nèi)外研究成果已經(jīng)顯示出廣泛而巨大的軍事及民用前景。在SAS相關(guān)的諸多研究中,其圖像統(tǒng)計(jì)特性的研究具有重要科研價(jià)值和現(xiàn)實(shí)意義。它是去除SAS圖像中噪聲污染,提高SAS圖像成像質(zhì)量,提出SAS新成像算法的基礎(chǔ)。理想的SAS圖像可以用K分布描述,可是,在實(shí)際探測過程中,由于多途等噪聲污染,使其圖像的統(tǒng)計(jì)特性有所改變,分布偏離K分布而更偏向于由直達(dá)波和噪聲兩部分構(gòu)成的K+K混合分布,對于具有K+K分布的SAS圖像數(shù)據(jù),在數(shù)據(jù)處理

4、中的一個重要問題是怎樣從統(tǒng)計(jì)學(xué)的角度將直達(dá)波數(shù)據(jù)和噪聲數(shù)據(jù)分離,為提高SAS圖像成像質(zhì)量及進(jìn)一步研究SAS圖像統(tǒng)計(jì)特性奠定基礎(chǔ)。基于以上分析,本文運(yùn)用最小錯誤概率BAYES分類方法和K-MEANS聚類方法對其研究,以達(dá)到將直達(dá)波數(shù)據(jù)和噪聲數(shù)據(jù)分離開,從數(shù)據(jù)的角度去除噪聲的效果。其中,將最小錯誤概率Bayes分類運(yùn)用于混合K分布數(shù)據(jù)中,從理論上推導(dǎo)其在混合K+K分布數(shù)據(jù)分離中的運(yùn)用,最后通過實(shí)驗(yàn)分析其運(yùn)用的實(shí)際效果和各種不同參數(shù)對分類效果的影響并得出結(jié)論。K-MEANS聚類算法是圖像和數(shù)據(jù)聚類中的一種經(jīng)典算法,其最主要的一個特點(diǎn)是其本身是一種無

5、參聚類方法,將其運(yùn)用于混合K分布中,可以有效解決混合K分布參數(shù)估計(jì)困難的特點(diǎn),從而尋找到一條從圖像和數(shù)據(jù)中直接去除K分布中由于多涂污染而產(chǎn)生的噪聲的道路。在SAS圖像數(shù)據(jù)統(tǒng)計(jì)特性的研究中,怎樣證明使用的數(shù)據(jù)和分類后數(shù)據(jù)服從K分布,以保證研究的有效性,是一個必要問題,本文運(yùn)用KS算法解決此問題,用于保證研究的有效性和實(shí)際意義。關(guān)鍵詞:SAS統(tǒng)計(jì)特性;KS檢測:Bayes分類;K-MEANS聚類AbstractAbstractSyntheticApertureSonar(SAS)isacommonlyusedunderwaterdetection

6、sonar,Itsbasicprincipleisthatthesmallsizeofthearraysbyuniformlinearmotiontosimulatethelargeaperturearraystoobtainthehighresolutionofthedistanceandazimuth.Thistechnologywasfirstusedinsyntheticapertureradar(SAR),tobecometheprimarymeansforEarthObservation.Yearsofresearchschola

7、rsathomeandabroad,theuseofsyntheticaperturesonar,andhasbeenwidelyused.InthestudyofSAS,thestatisticalpropertiesoftheimagehasimportantscientificvalueandpracticalsignificance.ItisthebasisoftoremovetheSASimagenoisepollution,improvetheSASimageimagingqualityandtoputforwardtheSASn

8、ewimagingalgorithm.Intheory,usuallyusingtheKdistributiondescribestheSASimage,Howev

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(fù)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(xì)閱讀文檔內(nèi)容,確認(rèn)文檔內(nèi)容符合您的需求后進(jìn)行下載,若出現(xiàn)內(nèi)容與標(biāo)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(fèi)完成后未能成功下載的用戶請聯(lián)系客服處理。