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(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、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(yuǎn)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(qǐng)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(yuǎn)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(qǐng)學(xué)位類別工程碩士學(xué)校代碼10701學(xué)號(hào)1503121774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(yuǎn)杰領(lǐng)域
2、:計(jì)算機(jī)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(jì)算機(jī)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(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(jī)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(duì)本研究所做的任何貢獻(xiàn)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(shí)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(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)??梢怨颊撐牡娜炕虿糠謨?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(shí)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(diǎn),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(diǎn),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(jìn)行添加了難度。本團(tuán)隊(duì)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(jì)了素描方向統(tǒng)計(jì)向量對(duì)SAR圖像混合像素子空間中的極不勻質(zhì)區(qū)域進(jìn)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(duì)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(jì)特征抓住了圖像地物明顯的方向結(jié)構(gòu),通過對(duì)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(diǎn),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(shí)驗(yàn)驗(yàn)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(duì)貝葉斯學(xué)習(xí)網(wǎng)絡(luò)進(jìn)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(shí)驗(yàn),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(shí)驗(yàn)結(jié)果進(jìn)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(qiáng)網(wǎng)絡(luò)學(xué)習(xí)性能,提高圖像分割的準(zhǔn)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(jì)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(qiáng)網(wǎng)絡(luò)學(xué)習(xí)性能,進(jìn)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