基于深度支持向量機(jī)的極化SAR圖像分類(lèi).pdf

1、極化合成孔徑雷達(dá)(Polarimetric Synthetic Aperture Radar，PolSAR)由于能夠提供更多豐富的目標(biāo)散射信息，近年來(lái)成為遙感領(lǐng)域的新熱點(diǎn)。其地物分類(lèi)問(wèn)題作為極化SAR圖像解譯的重要研究?jī)?nèi)容和關(guān)鍵技術(shù)，在民用和軍事領(lǐng)域具有重大的理論意義和應(yīng)用價(jià)值。支持向量機(jī)(Support Vector Machine，SVM)是統(tǒng)計(jì)學(xué)中一種有效的監(jiān)督分類(lèi)方法，目前已廣泛應(yīng)用于多個(gè)領(lǐng)域，該方法在機(jī)器學(xué)習(xí)領(lǐng)域受到了重視和長(zhǎng)

2、足的發(fā)展。本文采用SVM算法對(duì)極化SAR地物分類(lèi)問(wèn)題進(jìn)行研究，所取得的主要研究成果為：
　　1.本文著重研究了支持向量機(jī)算法中的最小二乘支持向量機(jī)(LSSVM)算法，考慮到在利用 LSSVM模型解決分類(lèi)問(wèn)題時(shí)，采用傳統(tǒng)的求解算法有如下弊端：計(jì)算復(fù)雜度高、求出的解不稀疏，模型受樣本噪聲的影響較大的問(wèn)題，本文將模糊支持向量機(jī)與LSSVM的稀疏求解算法相結(jié)合，提出了模糊稀疏LSSVM算法，考慮到模糊隸屬度對(duì)模糊LSSVM的重要性，本文采

3、取了兩種基于樣本到所屬類(lèi)別類(lèi)中心距的計(jì)算方法來(lái)度量模糊隸屬度，即基于歐式距離的度量方法和基于核距離的度量方法。并將提出的算法對(duì)極化SAR數(shù)據(jù)進(jìn)行分類(lèi)，從分類(lèi)結(jié)果和對(duì)比實(shí)驗(yàn)上看，提出的算法性能更強(qiáng)。
　　2.對(duì)LSSVM的核函數(shù)進(jìn)行了研究。由于在求解非線(xiàn)性分類(lèi)問(wèn)題時(shí)，首要的任務(wù)是選擇符合條件的核函數(shù)，將樣本映射到高維空間，從而實(shí)現(xiàn)高維空間線(xiàn)性可分，因而核函數(shù)的選取是關(guān)鍵。常用的核函數(shù)為徑向基核函數(shù)，但其在擬合較為復(fù)雜的函數(shù)時(shí)，得到的

4、效果并不十分滿(mǎn)意，本文首先分析了支持向量機(jī)核函數(shù)的條件，然后將稀疏LSSVM分類(lèi)器的核函數(shù)改為了符合核函數(shù)條件的Morlet小波核函數(shù)，提出了一種小波核稀疏LSSVM算法，經(jīng)過(guò)對(duì)極化SAR數(shù)據(jù)分類(lèi)的對(duì)比實(shí)驗(yàn)證明，Morlet小波核稀疏LSSVM模型對(duì)極化SAR數(shù)據(jù)的分類(lèi)精度更高。
　　3.對(duì)提出的小波核稀疏LSSVM算法進(jìn)行擴(kuò)展。將該算法與深度 SVM的網(wǎng)絡(luò)架構(gòu)相結(jié)合，提出了一種深度小波核稀疏LSSVM模型，模型主要設(shè)計(jì)了2個(gè)隱層