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),請進行舉報或認領(lǐng)
文檔簡介
1、極化SAR不但具有全天時、全天侯工作特點,同時SAR影像具有豐富的細節(jié)信息、重要的紋理特征和明顯的地物幾何結(jié)構(gòu),被廣泛應用于民用及軍事領(lǐng)域。而SAR影像分割是信息解譯中的一個關(guān)鍵環(huán)節(jié),也是SAR圖像處理中的難題。
由于斑點噪聲的影響,SAR影像的分割比普通光學圖像更為復雜。目前已有的SAR影像分割算法,大致分為兩種:其一,基于數(shù)據(jù)驅(qū)動的SAR影像分割算法,它是直接利用某一種極化狀態(tài)組合的振幅或者全極化數(shù)據(jù)的總功率圖像進行分割的
2、,沒有充分利用極化SAR數(shù)據(jù)包含的極化信息,很容易出現(xiàn)錯分割現(xiàn)象;其二,基于模型驅(qū)動的SAR影像分割算法是基于極化SAR的數(shù)學模型,計算復雜度都較高。
因此,本論文從既提高分割精度,同時又降低算法復雜度這一目標出發(fā),以中國測繪科學研究院主持的863計劃重點項目“面向?qū)ο蟮母呖尚臩AR處理系統(tǒng)—SAR影像高性能處理解譯系統(tǒng)與總體技術(shù)”為依托,提出了一種基于極化相干矩陣或協(xié)方差矩陣描述的圖斑相似性度量,在此基礎上發(fā)展了以分水嶺進行
3、初始分割,根據(jù)極化相似性進行圖斑合并,從而實現(xiàn)對極化SAR影像進行有效分割的方法。
本文的主要研究內(nèi)容和主要貢獻:
1)從極化SAR理論出發(fā),介紹了常用的極化矢量、極化矩陣和散射機理,對極化SAR影像分割算法進行了較為全面的綜述,指出了各類方法的優(yōu)缺點。
2)針對極化協(xié)方差包含了極化測量得到的全部信息的特點,提出了一種基于極化協(xié)防差矩陣或相干矩陣描述的圖斑相似性度量;
3)發(fā)展了以分水嶺算法進行初
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)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 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)容負責。
- 6. 下載文件中如有侵權(quán)或不適當內(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確性、安全性和完整性, 同時也不承擔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
- 基于譜圖分割的極化SAR影像面向?qū)ο蠓诸惙椒ㄑ芯?pdf
- 噪聲抑制的極化SAR圖像分割方法研究.pdf
- 基于MRF的極化SAR圖像分割方法研究.pdf
- 極化SAR圖像的分割和分類算法研究.pdf
- 基于稀疏編碼的極化SAR影像地物分類.pdf
- 基于圖的極化SAR影像半監(jiān)督分類.pdf
- 雙極化sar影像分類研究與應用
- 極化SAR影像林火燃燒面積提取研究.pdf
- 極化干涉SAR影像配準方法研究.pdf
- 基于深度RPCA網(wǎng)絡的極化SAR影像地物分類.pdf
- 基于SVM和散射機理的極化SAR影像地物分類.pdf
- 基于特征學習和低秩分解的極化SAR圖像分割.pdf
- 基于有限混合模型的極化SAR影像分類方法研究.pdf
- 基于CNN特征學習和SVM的極化SAR影像地物分類.pdf
- 基于極化SAR影像的地物變化檢測技術(shù)研究.pdf
- 基于深度ICA網(wǎng)絡的極化SAR影像地物分類方法研究.pdf
- 基于特征值和譜聚類的極化SAR圖像分割.pdf
- 基于自編碼神經(jīng)網(wǎng)絡的極化SAR影像地物分類.pdf
- 面向?qū)ο蟮娜珮O化SAR影像變化檢測方法研究.pdf
- 基于深度脊波神經(jīng)網(wǎng)絡的極化SAR影像地物分類.pdf
評論
0/150
提交評論