2023年全國(guó)碩士研究生考試考研英語(yǔ)一試題真題(含答案詳解+作文范文)_第1頁(yè)
已閱讀1頁(yè),還剩68頁(yè)未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)明:本文檔由用戶(hù)提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、極化合成孔徑雷達(dá)(Polarimetric Synthetic Aperture Radar,簡(jiǎn)寫(xiě)POLSAR)是一種多參數(shù),多通道的雷達(dá)成像系統(tǒng),通過(guò)測(cè)量地面上每一分辨單元內(nèi)的全極化散射回波來(lái)獲取目標(biāo)點(diǎn)極化信息。相比單極化合成孔徑雷達(dá)僅能對(duì)特定的電磁波極化收發(fā)組合下的目標(biāo)散射特進(jìn)行探測(cè),多極化的合成孔徑雷達(dá)可以為目標(biāo)解譯提供更多更全面的信息。極化SAR圖像分類(lèi)是極化SAR數(shù)據(jù)應(yīng)用中的一個(gè)關(guān)鍵問(wèn)題,也是一個(gè)難點(diǎn)問(wèn)題。本文主要研究了在統(tǒng)計(jì)

2、框架下的基于特征向量的極化SAR地物分類(lèi)方法。極化相干矩陣經(jīng)過(guò)特征分解后得到的特征向量包含目標(biāo)地物的主要極化信息,而最大特征向量所包含的散射信息被認(rèn)為是占主要地位的。因此,本文從統(tǒng)計(jì)分布的角度出發(fā),研究了特征向量的分布特性,并針對(duì)特征向量的分布特性給出了相關(guān)的分類(lèi)方法。本文的主要工作包括以下幾點(diǎn):
 ?。?)將最大特征向量作為分類(lèi)特征,對(duì)其進(jìn)行空間轉(zhuǎn)換,簡(jiǎn)化最大特征向量的表現(xiàn)形式;然后,從統(tǒng)計(jì)學(xué)的角度,用三維高斯聯(lián)合分布概率模型來(lái)

3、擬合最大特征向量的分布情況,建立了一種最大特征向量的三維高斯分布模型,選用貝葉斯分類(lèi)器來(lái)進(jìn)行初始分類(lèi),并選用加鄰域信息的局部Wishart分類(lèi)器進(jìn)行二次分類(lèi)來(lái)彌補(bǔ)貝葉斯分類(lèi)器的不足、提高分類(lèi)精度。分類(lèi)結(jié)果表明了特征向量模型的有效性及特征向量的可分性。
 ?。?)針對(duì)最大特征向量對(duì)異物同譜地物中的分類(lèi)效果差的現(xiàn)象,從所有特征向量中提取了散射角作為輔助信息,在統(tǒng)計(jì)框架下,將最大特征向量和散射角一起作為分類(lèi)特征指導(dǎo)地物分類(lèi)。從所有特征向

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶(hù)所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶(hù)上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶(hù)上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶(hù)因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

評(píng)論

0/150

提交評(píng)論