版權說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權,請進行舉報或認領
文檔簡介
1、極化合成孔徑雷達(Polarimetric Synthetic Aperture Radar,簡寫POLSAR)是一種多參數(shù),多通道的雷達成像系統(tǒng),通過測量地面上每一分辨單元內(nèi)的全極化散射回波來獲取目標點極化信息。相比單極化合成孔徑雷達僅能對特定的電磁波極化收發(fā)組合下的目標散射特進行探測,多極化的合成孔徑雷達可以為目標解譯提供更多更全面的信息。極化SAR圖像分類是極化SAR數(shù)據(jù)應用中的一個關鍵問題,也是一個難點問題。本文主要研究了在統(tǒng)計
2、框架下的基于特征向量的極化SAR地物分類方法。極化相干矩陣經(jīng)過特征分解后得到的特征向量包含目標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為是占主要地位的。因此,本文從統(tǒng)計分布的角度出發(fā),研究了特征向量的分布特性,并針對特征向量的分布特性給出了相關的分類方法。本文的主要工作包括以下幾點:
?。?)將最大特征向量作為分類特征,對其進行空間轉(zhuǎn)換,簡化最大特征向量的表現(xiàn)形式;然后,從統(tǒng)計學的角度,用三維高斯聯(lián)合分布概率模型來
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,選用貝葉斯分類器來進行初始分類,并選用加鄰域信息的局部Wishart分類器進行二次分類來彌補貝葉斯分類器的不足、提高分類精度。分類結(jié)果表明了特征向量模型的有效性及特征向量的可分性。
?。?)針對最大特征向量對異物同譜地物中的分類效果差的現(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)計框架下,將最大特征向量和散射角一起作為分類特征指導地物分類。從所有特征向
溫馨提示
- 1. 本站所有資源如無特殊說明,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,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權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. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于特征向量分析的極化SAR圖像分類.pdf
- 基于特征統(tǒng)計的極化SAR圖像分類.pdf
- 基于多特征融合的極化SAR地物分類方法研究.pdf
- 基于集成學習和特征選擇的極化SAR地物分類.pdf
- 基于CNN特征學習和SVM的極化SAR影像地物分類.pdf
- 基于面向?qū)ο蟮臉O化SAR地物分類.pdf
- 基于稀疏編碼的極化SAR影像地物分類.pdf
- 基于稀疏表示分類器的極化SAR圖像地物分類.pdf
- 基于半監(jiān)督學習的極化SAR地物分類.pdf
- 基于深度RPCA網(wǎng)絡的極化SAR影像地物分類.pdf
- 基于地物散射特性分析的機載極化SAR分類研究.pdf
- 基于SVM和散射機理的極化SAR影像地物分類.pdf
- 面向極化SAR地物分類的稀疏深度網(wǎng)絡.pdf
- 基于目標分解與機器學習的極化SAR圖像地物分類.pdf
- 基于深度ICA網(wǎng)絡的極化SAR影像地物分類方法研究.pdf
- 基于散射機理和目標分解的極化SAR圖像地物分類.pdf
- 基于深度支持向量機的極化SAR圖像分類.pdf
- 全極化SAR地物分類與極化方位角補償.pdf
- 基于散射特性和空間特性的極化SAR地物分類研究.pdf
- 基于統(tǒng)計模型TMF的極化SAR圖像分類.pdf
評論
0/150
提交評論