基于稀疏编码和小波自编码器的极化SAR图像分类方法.pdf
雨巷****怡轩
亲,该文档总共14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
基于稀疏编码和小波自编码器的极化SAR图像分类方法.pdf
本发明公开了一种基于稀疏编码和小波自编码器的极化SAR图像分类方法,主要解决由于特征提取不合理而造成的边界分类问题和没有考虑空间相关性而导致的区域一致性较差的问题。其主要步骤是:(1)、输入图像;(2)、预处理;(3)、提取图像特征;(4)、稀疏编码;(5)、选取训练样本和测试样本;(6)、训练小波稀疏自编码器;(7)、训练softmax分类器;(8)、调整网络参数;(9)、图像分类;(10)、上色;(11)、输出分类结果图。本发明具有良好的去噪效果,考虑到数据的邻域信息,能更好地从低维特征中学到更高级的
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。
基于纹理增强与稀疏编码的SAR图像降斑方法.pdf
本发明公开了一种基于纹理增强与稀疏编码的SAR图像降斑方法,解决了对SAR图像降斑时不能更有效保留图像中的点目标、边缘和纹理等细节信息的问题。本发明实现为:输入图像;估计SAR图像的噪声方差及干净图像的梯度直方图;提取相似图像块集合并求相应字典;用稀疏编码结合高斯比例模型得到降斑的目标函数;更新目标函数的参数;重构图像块矩阵;用权值平均法重构图像;重构图像与干净图像的梯度直方图最大限度的接近为约束获取最终图像;输出最终降斑图像。本发明既能较好地抑制SAR图像中的斑点噪声,使均匀区域十分平滑,也有效保留了重
基于多尺度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多尺度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)初始化多尺度深度方向波网络;(5)训练多尺度深度方向波网络;(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。本发明将不同尺度的方向波滤波器作为多尺度深度方向波网络的滤波器,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图像的方向特征和全局特征的优点。