【特征选择_论文阅读_毕业论文】02_王贤圆_电科_极化合成孔径雷达图像特征表示与目标分类方法研究_2021

本文主要是介绍【特征选择_论文阅读_毕业论文】02_王贤圆_电科_极化合成孔径雷达图像特征表示与目标分类方法研究_2021,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

主要工作:用图像形态学操作提取空间特征,利用核函数融合特征(以及多尺度特征),用深度神经网络进行特征提取,自适应给出锚点图的锚点数(用于半监督分类)

文章目录

  • 摘要
  • 一、绪论
      • 1.1研究工作的背景和意义
      • 1.2国内外研究现状及存在问题
          • 1.2.1 特征表示
          • 1.2.2目标分类研究现状
          • 1.2.3存在问题
  • 二、基于复合核函数的极化-空间特征融合方法
      • 2.1引言
      • 2.2极化SAR图像数据描述方法
      • 2.3极化SAR图像的极化特征及其表示方法
          • 2.3.1基于观测数据简单算数运算
          • 2.3.2基于极化目标分解的极化特征表示
          • 2.3.3本文选取的极化特征
      • 2.4 极化SAR图像的空间特征及其表示方法
          • 2.4.1散射功率
          • 2.4.2空间特征
          • 2.4.3本文选取的空间特征
      • 2.5核函数模型
          • 2.5.1SVM概述
      • 2.6 特征融合
          • 2.6.3基于复合核函数的特征融合
  • 三、基于区域特性的多尺度核函数生成算法
      • 3.1引言
      • 3.2极化SAR图像超像素生成基本理论
          • 3.2.1SLIC超像素生成算法
          • 3.2.2基于极化SAR图像的SLIC超像素生成算法
      • 3.3基于单尺度超像素的核函数生成算法
      • 3.4基于多尺度超像素的核函数生成算法
  • 四、基于深度学习的联合极化特征挖掘方法
      • 4.1引言
      • 4.2卷积神经网络的基本理论
          • 4.2.1CNN的网络结构
          • 4.2.2CNN的激活函数
      • 4.4后处理
  • 五、基于自适应锚点图的极化SAR图像半监督分类方法
      • 5.1引言
      • 5.2图的半监督学习理论
          • 5.2.1图的构建
          • 5.2.2分类算法
      • 5.3锚点图的构建
          • 5.3.1锚点生成
          • 5.3.2锚点图的构建
      • 5.4自适应锚点图的构建


摘要

SAR的介绍、以充分利用极化信息与空间信息为出发点。
主要工作:
1.融合极化特征与空间特征;
2.多尺度利用地物信息;
3.基于深度学习解决特征冗余;
4.半监督学习。

一、绪论

1.1研究工作的背景和意义

极化SAR图像分类很重要;
特征表示对分类很重要;
目前存在的问题:
①特征类型很丰富,如何合理利用②对区域内特征概括不足③单一极化特征描述不足④图像标签获取困难。

1.2国内外研究现状及存在问题

1.2.1 特征表示

像素级特征:
(1)由观测数据简单算数运算所构造的特征
(2)基于极化目标分解的目标散射特征
(3)纹理特征
(4)颜色特征

区域级特征
将像素作为最小分类单元在低信噪比下易受到噪声的影响
①Dong等人将分割和分类技术相结合,首先将图像做一个粗略的分割,再对各区域进行分类;
②Yu等人利用超像素方法对像素点进行粗略合并,在提取每个小区域对应的特征后,通过对小区域合并达到分割目的
③Feng等人提出了一种基于词袋模型方法
④Feng等人在词袋模型的基础上,提出了一种根据稀疏编码的区域级特征提取策略

上述方法虽然取得了一定成功,但这些方法仅采用单一尺度的区域级特征,存在对区域信息概括不足的问题

1.2.2目标分类研究现状

无监督分类
依赖极化SAR数据内在的不同特征将像素区分为不同地物类型
有监督分类
基于极化数据统计特性的贝叶斯分类;
机器学习算法;
如何合理利用深度网络有效挖掘极化特征仍有待研究。
半监督分类
半监督学习将无标签和有标签数据均加以利用,是有监督学习和无监督学习有效融合。

1.2.3存在问题

①极化特征与空间特征的融合问题
②非均匀地物中空间信息利用问题
传统区域信息提取方法利用矩形框或单尺度分割方法提取固定形状或尺度的区域级特征,虽然考虑了局部的像素邻域关系,但失去了地物细节、边缘信息,严重制约了特征表示的准确性,进而影响最后的分类精度。
③联合极化特征间特征冗余问题
④最近邻锚点数无法自适应问题

二、基于复合核函数的极化-空间特征融合方法

2.1引言

提出一种基于极化-空间特征的复合核函数方法,旨在更全面、均衡地对极化SAR图像进行特征表示。

2.2极化SAR图像数据描述方法

极化散射矩阵、相干矩阵和协方差矩阵

2.3极化SAR图像的极化特征及其表示方法

2.3.1基于观测数据简单算数运算

各分量幅度、通道间后向散射系数比、通道间相位差及退偏比等。

2.3.2基于极化目标分解的极化特征表示

相干目标分解方法有Pauli分解[13]、Krogager分解[14]等;
相干目标分解包括经典的Huynen分解[12,19,20]、最常见的Cloude分解[24]、Yamaguchi1分解[83]、Van Zyl分解[84]等。

2.3.3本文选取的极化特征

在这里插入图片描述

2.4 极化SAR图像的空间特征及其表示方法

2.4.1散射功率

在这里插入图片描述

2.4.2空间特征

腐蚀和膨胀开操作和闭操作
开操作是对图像先腐蚀后膨胀的结果,能有效地平滑尖锐区域,消除孤立点和突出的尖峰,剔除图像中的椒盐噪声。闭操作是先膨胀后腐蚀的结果,能对图像中的小洞进行填补,使得邻近目标相连
重构开运算和重构闭运算
通过迭代计算的策略来恢复原图区域

2.4.3本文选取的空间特征

在这里插入图片描述

2.5核函数模型

2.5.1SVM概述

SVM

2.6 特征融合

2.6.3基于复合核函数的特征融合

一种避免维数过高且考虑不同特征间主次关系的特征融合策略。
在这里插入图片描述
在这里插入图片描述
通过上式可将不同的核函数通过权重相加,形成一个新的核函数,称为复合核函数。

三、基于区域特性的多尺度核函数生成算法

3.1引言

常见的引入区域信息的方法有两大类,分别为马尔可夫随机场(Markov Random Field,MRF)和基于区域分割的方法[94]。
第一,研究适用于极化SAR数据统计特性的超像素生成方法;第二,在生成超像素的基础上进一步探讨了单尺度超像素级核函数和多尺度超像素级核函数表示方法。

3.2极化SAR图像超像素生成基本理论

3.2.1SLIC超像素生成算法

SLIC

3.2.2基于极化SAR图像的SLIC超像素生成算法

将SLIC中的颜色距离替换为极化度量信息dw
在这里插入图片描述

3.3基于单尺度超像素的核函数生成算法

通过两个超像素内所有样本间核函数的加权平均操作,可将像素级核函数转化为对应的超像素级核函数.

3.4基于多尺度超像素的核函数生成算法

对像素级核函数和各尺度超像素级核函数进行线性组合,得到各尺度融合后的核函数
在这里插入图片描述

四、基于深度学习的联合极化特征挖掘方法

4.1引言

利用代数运算和目标分解理论构建联合极化特征,然后将卷积神经网络作为极化特征挖掘网络,将联合极化特征作为网络输入提取抽象的深层特征,最后通过简单分类器获得分类结果。

4.2卷积神经网络的基本理论

4.2.1CNN的网络结构

CNN通常由输入层、卷积层、池化层和输出层组成
卷积层
在卷积后加入激活函数使得网络具有非线性特征表达能力。
在这里插入图片描述
池化层
利用添加池化层来降低特征维度、减少网络计算量、同时也可以防止过拟合
在这里插入图片描述
全连接层
Softmax分类器

4.2.2CNN的激活函数

在这里插入图片描述

4.4后处理

多数投票准则原理

五、基于自适应锚点图的极化SAR图像半监督分类方法

5.1引言

半监督学习在极化SAR目标分类领域有强烈的现实需求。
Liu等人提出了一种基于锚点建图(Anchor Graph Regularization,AGR)的半监督学习算法[114]
本章提出一种自适应锚点的半监督学习方法,旨在根据每个样本处的局部稠密程度选择其最近邻域数。

5.2图的半监督学习理论

半监督学习建立标记样本与未标记样本的联系主要通过两个假设:
一是流形假设[115],二是聚类假设
流形假设(Manifold assumpation)指位置邻近的数据具有类似的性质,因此其标记信息也十分相似;聚类假设(Cluster assumption)指在同一聚类中的样本有很大的可能具有相同的标记。
在这里插入图片描述

5.2.1图的构建

构图方式
全连接图、k近邻图、ϵ近邻图、锚点图
边权计算方式
欧氏距离
明氏距离:
在这里插入图片描述

马氏距离
在这里插入图片描述
高斯核函数
在这里插入图片描述

5.2.2分类算法

在这里插入图片描述
最小割算法
调和函数
局部与全局一致性方法

5.3锚点图的构建

5.3.1锚点生成

K-means聚类

5.3.2锚点图的构建

简单来说,用锚点表示样本点,在图构建中,所有样本仅与其最近邻的s个锚点相连。

5.4自适应锚点图的构建

1.距离度量
极化SAR图像的相干矩阵T在通常情况下服从Wishart分布.
基于此,考虑在聚类算法中使用Wishart距离代替常用的欧氏距离作为距离度量显得更为准确.
2.自适应锚点图的构建
将样本与锚点间的距离转化为数据局部稠密程度的指标,根据样本的局部稠密程度决定样本最佳最近邻锚点个数,实现自适应地确定图中每个数据的最近邻锚点个数。
当“价值比”F(si)大于门限值threshold时,则认为前si个锚点可通过线性组合充分表达样本xi ,满足需求。

这篇关于【特征选择_论文阅读_毕业论文】02_王贤圆_电科_极化合成孔径雷达图像特征表示与目标分类方法研究_2021的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/254719

相关文章

idea maven编译报错Java heap space的解决方法

《ideamaven编译报错Javaheapspace的解决方法》这篇文章主要为大家详细介绍了ideamaven编译报错Javaheapspace的相关解决方法,文中的示例代码讲解详细,感兴趣的... 目录1.增加 Maven 编译的堆内存2. 增加 IntelliJ IDEA 的堆内存3. 优化 Mave

Java String字符串的常用使用方法

《JavaString字符串的常用使用方法》String是JDK提供的一个类,是引用类型,并不是基本的数据类型,String用于字符串操作,在之前学习c语言的时候,对于一些字符串,会初始化字符数组表... 目录一、什么是String二、如何定义一个String1. 用双引号定义2. 通过构造函数定义三、St

Spring Security方法级安全控制@PreAuthorize注解的灵活运用小结

《SpringSecurity方法级安全控制@PreAuthorize注解的灵活运用小结》本文将带着大家讲解@PreAuthorize注解的核心原理、SpEL表达式机制,并通过的示例代码演示如... 目录1. 前言2. @PreAuthorize 注解简介3. @PreAuthorize 核心原理解析拦截与

一文详解JavaScript中的fetch方法

《一文详解JavaScript中的fetch方法》fetch函数是一个用于在JavaScript中执行HTTP请求的现代API,它提供了一种更简洁、更强大的方式来处理网络请求,:本文主要介绍Jav... 目录前言什么是 fetch 方法基本语法简单的 GET 请求示例代码解释发送 POST 请求示例代码解释

Feign Client超时时间设置不生效的解决方法

《FeignClient超时时间设置不生效的解决方法》这篇文章主要为大家详细介绍了FeignClient超时时间设置不生效的原因与解决方法,具有一定的的参考价值,希望对大家有一定的帮助... 在使用Feign Client时,可以通过两种方式来设置超时时间:1.针对整个Feign Client设置超时时间

C/C++错误信息处理的常见方法及函数

《C/C++错误信息处理的常见方法及函数》C/C++是两种广泛使用的编程语言,特别是在系统编程、嵌入式开发以及高性能计算领域,:本文主要介绍C/C++错误信息处理的常见方法及函数,文中通过代码介绍... 目录前言1. errno 和 perror()示例:2. strerror()示例:3. perror(

CSS去除a标签的下划线的几种方法

《CSS去除a标签的下划线的几种方法》本文给大家分享在CSS中,去除a标签(超链接)的下划线的几种方法,本文给大家介绍的非常详细,感兴趣的朋友一起看看吧... 在 css 中,去除a标签(超链接)的下划线主要有以下几种方法:使用text-decoration属性通用选择器设置:使用a标签选择器,将tex

C++变换迭代器使用方法小结

《C++变换迭代器使用方法小结》本文主要介绍了C++变换迭代器使用方法小结,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧... 目录1、源码2、代码解析代码解析:transform_iterator1. transform_iterat

C++中std::distance使用方法示例

《C++中std::distance使用方法示例》std::distance是C++标准库中的一个函数,用于计算两个迭代器之间的距离,本文主要介绍了C++中std::distance使用方法示例,具... 目录语法使用方式解释示例输出:其他说明:总结std::distance&n编程bsp;是 C++ 标准

Linux换行符的使用方法详解

《Linux换行符的使用方法详解》本文介绍了Linux中常用的换行符LF及其在文件中的表示,展示了如何使用sed命令替换换行符,并列举了与换行符处理相关的Linux命令,通过代码讲解的非常详细,需要的... 目录简介检测文件中的换行符使用 cat -A 查看换行符使用 od -c 检查字符换行符格式转换将