版權(quán)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(quán),請進(jìn)行舉報或認(rèn)領(lǐng)
文檔簡介
1、由于SAR圖像自身的特殊性能,目前已成為目標(biāo)探測、城市規(guī)劃等遙感應(yīng)用領(lǐng)域中重要的信息來源。在SAR圖像應(yīng)用于各種遙感領(lǐng)域過程中,關(guān)鍵問題主要集中在自動和可靠的圖像分類上。因?yàn)镾AR圖像與自然圖像成像機(jī)制完全不同,所以SAR圖像各項(xiàng)參數(shù),噪聲模型均與自然圖像完全不同,從而給SAR圖像理解與解譯帶來了很大困難。
本文主要從設(shè)計合適的特征提取方法和有效的分類決策準(zhǔn)則兩方面出發(fā),提出了基于深層特征學(xué)習(xí)和改進(jìn)稀疏表示的SAR圖像分類技術(shù)
2、,主要分以下三個創(chuàng)新點(diǎn):
?。?)提出了基于卷積特征學(xué)習(xí)的SAR圖像分類技術(shù)。對詞袋模型在單幅SAR圖像地物分類的應(yīng)用中存在的問題進(jìn)行了改進(jìn)。由于詞袋模型直接應(yīng)用于SAR圖像分類時必須對單幅SAR圖像進(jìn)行初始預(yù)分割,使得詞袋模型對SAR圖像的分類效果直接受初始預(yù)分割影響,同時視覺詞典的構(gòu)建極易受初始化等因素的影響。將低層特征與完備的視覺詞典進(jìn)行卷積,得到卷積特征,避免了初始預(yù)分割同時增強(qiáng)了原有的數(shù)據(jù)特征,弱化了噪聲,增強(qiáng)了分類性
3、能。
?。?)提出了基于深層特征學(xué)習(xí)和分水嶺的SAR圖像分類技術(shù)。由于現(xiàn)有的詞袋模型均為提取中層特征,而良好的特征表示方式能夠提高分類的準(zhǔn)確率,同時提取適合于分類的SAR圖像特征表達(dá)方式需要大量的專業(yè)技能和經(jīng)驗(yàn)基礎(chǔ),因此在卷積特征的基礎(chǔ)上,利用稀疏自編碼器進(jìn)行無監(jiān)督特征學(xué)習(xí),解放了人力物力的同時,提取了人類很難設(shè)計的復(fù)雜特征表示方法,有效挖掘了更高級的特征,使得特征提取過程趨于自動化、智能化。實(shí)驗(yàn)結(jié)果表明對深層特征進(jìn)行分類能夠獲
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(quán)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(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)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(hù)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(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)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(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)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
- 基于稀疏深層網(wǎng)絡(luò)的SAR圖像分類方法.pdf
- 基于聯(lián)合稀疏表示的sar圖像分類方法研究
- 基于稀疏表示的面向?qū)ο髽O化SAR圖像分類.pdf
- 基于稀疏表示分類器的極化SAR圖像地物分類.pdf
- 基于聯(lián)合稀疏表示的SAR圖像分類方法研究.pdf
- 基于聯(lián)合域聚類和稀疏表示的極化SAR圖像分類.pdf
- 基于稀疏表示與字典學(xué)習(xí)的極化sar圖像壓縮
- 基于稀疏表示與字典學(xué)習(xí)的極化SAR圖像壓縮.pdf
- 基于稀疏表示和深度學(xué)習(xí)的SAR圖像目標(biāo)識別研究.pdf
- 基于稀疏表示的SAR圖像分類模型及其算法的研究.pdf
- 基于稀疏表示的SAR圖像壓縮研究.pdf
- 基于稀疏表示的SAR圖像抑斑.pdf
- 基于稀疏表示和隨機(jī)觀測的SAR圖像分割.pdf
- 基于圖像域特征稀疏表示的SAR目標(biāo)識別研究.pdf
- 基于多尺度和多層稀疏表示的SAR地物分類.pdf
- 基于稀疏表示的SAR圖像目標(biāo)識別.pdf
- 基于MPCA和多層特征學(xué)習(xí)的極化SAR圖像分類.pdf
- 基于稀疏特征學(xué)習(xí)的復(fù)雜圖像分類.pdf
- 基于稀疏表示的SAR圖像降噪算法研究.pdf
- 基于稀疏學(xué)習(xí)和深度極限學(xué)習(xí)機(jī)的極化SAR圖像半監(jiān)督分類.pdf
評論
0/150
提交評論