基于黎曼最近正则子空间模型的极化SAR图像分类方法.pdf
俊凤****bb
亲,该文档总共15页,到这已经超出免费预览范围,如果喜欢就直接下载吧~
相关资料
基于黎曼最近正则子空间模型的极化SAR图像分类方法.pdf
本发明公开一种基于黎曼最近正则子空间模型的极化SAR图像分类方法,步骤包括:步骤1,从待分类的极化SAR图像的每个类别中挑选相同数量的像素点,构造每个类的半正定矩阵字典;步骤2,根据矩阵字典、黎曼测度,构建基于RNRS的目标函数;步骤3,对目标函数进行求解,得到每类字典的稀疏表示系数;步骤4,根据稀疏表示系数,计算每类的预测数据,将像素类标赋给真实数据和预测数据残差最小的类别,最终得到极化SAR图像的分类结果。本发明解决了现有技术中存在的NRS无法有效学习PolSAR数据矩阵结构和通道相关性的问题。
基于散射全卷积模型的极化SAR分类方法.pdf
本发明公开了一种基于散射全卷积模型的极化SAR分类方法,其步骤为:(1)对待分类的极化SAR图像进行Lee滤波;(2)将散射矩阵进行pauli分解;(3)特征矩阵归一化;(4)构造数据集;(5)构建散射全卷积网络模型;(6)训练散射全卷积模型;(7)获得测试结果。本发明通过将极化SAR图像的极化特性,散射特性和纹理特性有效的结合,保留了特征信息的完整性,提高了图像的分类精度,同时加快了训练速度。
基于强度统计稀疏的全极化SAR图像分类方法.pdf
本发明公开了一种基于强度统计稀疏的全极化SAR图像分类方法,可应用于全极化合成孔径雷达SAR图像分类和目标识别。其实现步骤为:(1)输入散射强度矩阵;(2)获取SAR图像的统计特征;(3)获取SAR图像的稀疏特征;(4)训练分类器并分类;(5)优化初始分类结果;(6)输出分类结果。本发明利用全极化SAR合成孔径雷达图像三个通道的散射强度信息,挖掘三个通道之间的空间特征信息,对全极化SAR合成孔径雷达图像中特定目标实现有效的分类,并且可以完整的保留特定目标中具体地物的细节特征。
基于深度方向波网络的极化SAR图像分类方法.pdf
本发明公开了一种基于深度方向波网络的极化SAR图像分类方法,本方法实现步骤为:(1)输入极化SAR图像;(2)提取泡利分解特征;(3)构建训练样本特征矩阵;(4)初始化卷积神经网络;(5)训练卷积神经网络;(6)构建测试样本特征矩阵;(7)得到测试样本的类标;(8)计算分类精度;(9)上色;(10)输出上色后的极化SAR图像。本发明将方向滤波器作为卷积神经网络的滤波器,对极化SAR图像进行分类,使得本发明具有很好地保留极化SAR图像的方向信息的优点。
基于NSCT阶梯网模型的极化SAR图像目标检测方法.pdf
本发明公开了一种基于非下采样轮廓波NSCT阶梯网模型的极化SAR图像目标检测方法,主要解决现有技术中只能依靠散射信息对地物进行分类和未考虑极化SAR图像的多尺度特征而导致的分类准确率偏低的问题。本发明的具体步骤如下:(1)对待检测的极化SAR图像进行Lee滤波;(2)将相干矩阵进行Yamaguchi分解;(3)特征矩阵归一化;(4)对特征矩阵进行非下采样轮廓波变换;(5)构造数据集;(6)构建阶梯网目标检测模型;(7)训练目标检测模型;(8)获得测试结果。本发明具有对极化SAR图像的多尺度特征提取好,目标