导读:本文包含了全极化合成孔径雷达影像论文开题报告文献综述及选题提纲参考文献，主要关键词:深度学习,合成孔径雷达,语义分割,全极化
全极化合成孔径雷达影像论文文献综述
黄刚,刘先林[1]（2019）在《深度学习的极化合成孔径雷达影像语义分割》一文中研究指出针对现有极化合成孔径雷达影像语义分割方法存在的缺点,且该方向深度学习研究较少的问题,该文以国产机载全极化MiniSAR系统为依托,首先,对极化合成孔径雷达原理和基于深度学习的极化合成孔径雷达影像语义分割方法进行了分析;其次,使用实验数据对该方法的分割精度进行了验证分析,单类分割最大像素精度达94.61%,全类均交并比达到86.83%,结果证明了该分割方法的可行性和准确性;最后,为进一步提高极化SAR影像语义分割精度,在样本制作、提升效率、矢量化等方面提出了建议。(本文来源于《测绘科学》期刊2019年06期）
隋克林[2]（2018）在《EM算法在极化合成孔径雷达影像分类中的应用》一文中研究指出探讨了一种将EM算法结合极化散射参数对极化SAR影像进行非监督分类的方法。该方法首先采用H-α平面进行初分类,然后将EM算法与极化熵H、散射角α、反熵A和总功率SPAN等参数结合,对极化SAR影像进一步再分类。实验结果表明该方法可取得较高的分类精度。(本文来源于《城市勘测》期刊2018年02期）
崔鸣,余洁,王彦兵,谢东海[3]（2015）在《超像素极化合成孔径雷达影像谱聚类算法研究》一文中研究指出针对基于像素的谱聚类计算量大、效率低,且受到影像斑点噪声影响严重的问题,该文结合极化合成孔径雷达影像的统计特性,提出了一种基于超像素的极化合成孔径雷达影像谱聚类算法。该方法首先用基于梯度分割影像的分水岭算法得到影像的初始分割;然后按区域邻接关系合并含像素个数较少的极小区域得到超像素图像;最后以超像素为基本数据单元,采用修正Wishart距离作为超像素之间的距离度量标准,通过Nystrm逼近的采样方法获得最终的分类结果。最后利用模拟数据和1991年获取的荷兰Flevoland地区L波段稻田数据验证了该算法的有效性,总体分类精度达到了98.17%。(本文来源于《测绘科学》期刊2015年03期）
符思涛,李震,田帮森[4]（2014）在《全极化合成孔径雷达影像地形纠正及其在雪冰制图中的应用》一文中研究指出目的针对合成孔径雷达(SAR)影像由于地形起伏引起的图像畸变问题,提出了基于相干矩阵的全极化SAR影像地形纠正算法,并运用于雪冰制图。方法该方法首先采用距离多普勒模型建立SAR成像几何模型;然后利用全极化Cloude特征分解方法对全极化SAR图像进行融合,将融合后的SAR图像与模拟图像进行配准提高SAR影像几何定位精度;最后利用投影面积归一化和极化方位角移动补偿技术对地形引起的辐射畸变进行纠正。结果采用中国长江源区南部唐古拉山中段冬克玛底冰川区域的C波段Radarsat-2全极化SAR数据进行验证,配准模拟SAR和原始SAR影像的控制点方位向和距离向的均方根误差(RMSE)分别为7.765像素和14.586像素;经过地形纠正后的地物分类精度达80%以上。结论实验结果表明:1)该方法能够有效消除SAR影像中几何和辐射畸变的影响;2)地形纠正后的SAR数据在雪冰制图中具有可行性。(本文来源于《中国图象图形学报》期刊2014年01期）
王刚,余洁,朱腾,张中山,赵争[5]（2013）在《改进的遗传算法用于极化合成孔径雷达影像非监督分类》一文中研究指出H/α-Wishart分类方法是目前常用且较为有效的极化SAR影像分类方法,但其分类精度还有待改善。研究一种基于遗传算法的极化SAR影像的分类方法,该方法根据极化SAR影像Cloude特征分解的特征值,采用H/α平面进行初分类,然后采用遗传算法迭代进行再次分类。针对遗传算法"早熟"和收敛速度慢的问题,结合H/α平面图对遗传算法的变异算子进行了改进,以利用极化散射机理缩小变异范围,改善算法收敛速度。采用NASA-JPL实验室的极化SAR数据以及中国电子科技集团38研究X波段原型样机的高分辨率极化SAR数据进行实验,结果表明:该方法极化SAR影像分类精度优于H/α-Wishart分类方法。(本文来源于《遥感技术与应用》期刊2013年01期）
张中山[6]（2011）在《极化合成孔径雷达影像智能处理方法研究》一文中研究指出随着极化SAR传感器的发展,所获得数据的空间与时间分辨率不断提高,数据量急剧增加。如何充分有效地利用极化SAR数据进行信息提取和解译,成为迫切需要解决的难题。智能、准确地对极化SAR影像进行处理已成为极化SAR影像研究的主要目标。论文主要针对基于智能优化算法和模式识别的核方法的极化SAR影像处理若干问题,如极化SAR相干斑抑制、极化SAR目标对比增强以及极化SAR数据分类进行了深入、系统的研究和探索。论文首先介绍了电磁波的性质、极化波的表征、目标极化散射特性表征等基础概念。接着,论文对研究中所采用技术方法的基础理论进行了简要介绍,包括进化算法中的经典算法——遗传算法,群智能算法中的代表性算法——粒子群优化算法以及模式识别的核方法。本文重点研究的内容包括：极化SAR相干斑抑制、极化SAR目标对比增强以及极化SAR数据分类叁个方面。对极化SAR相干斑抑制方法的研究主要从空域相干斑抑制方法和极化域相干斑抑制方法两个方面进行,具体包括空域中的均值类滤波方法、中值类滤波方法和统计类滤波方法,以及极化域的极化白化滤波和最优加权滤波方法。重点研究了基于核独立成分分析的极化SAR相干斑抑制方法。在探讨极化SAR常用的目标对比增强方法的基础上,着重研究了最优对比增强和两目标同零增强方法,提出了基于粒子群优化算法的极化SAR目标增强方法。论文基于对现有极化SAR数据分类方法的分析,将极化SAR数据的分类方法归纳总结为四种类型,即基于传统光学影像处理的方法、基于统计特性、基于物理散射特性、基于统计特性和物理散射特征相结合的分类方法,并详细介绍了各类方法的代表性算法。在此基础上本文提出了基于智能优化算法的H/α/A和H/α极化SAR分类方法,并对所提出的基于遗传算法的GA-H/a/A-Wishart方法和粒子群优化算法的PSO-H/α/A-Wishart方法进行了深入的研究。论文的创新工作主要在于以下几个方面：(1)针对传统空域滤波无法同时顾及相干斑抑制和边缘保持、极化域无法充分利用极化信息的问题,提出了基于核独立成分分析的极化SAR滤波方法,利用极化数据中尽可能多的目标信息来抑制相干斑噪声,通过对多幅极化影像进行处理,获得一幅相干斑噪声很低的增强的SAR影像,达到抑制相干斑的目的。本论文提出的算法能有效地利用四种极化方式的信息,实验表明,与其他相干斑抑制方法相比,核独立成分分析算法具有更好的滤波效果和保持边缘信息的能力。(2)提出了基于粒子群优化算法的极化SAR目标增强方法,该方法配合最为经典的“叁步法”模型进行求解,简化了求解参数,并避免了异常繁琐和复杂的数学推导,同时该方法还具有对比度高的特点。对比于遗传算法的极化SAR目标增强方法,基于粒子群优化算法的极化SAR目标增强方法具有计算简单、收敛速度快、操作方便等特点。(3)提出了基于智能优化算法的H/α/A和H/α极化SAR分类方法,并重点对粒子群优化算法进行了改进,采用粒子淘汰机制用以提高收敛速度,改变惯性权重既可平衡全局和局部搜索能力又可加快算法收敛速度。采用智能优化算法进行极化SAR分类不仅克服了传统H/α/A-Wishart在分类中不可避免地陷入局部最优以及对噪声异常敏感的缺点,而且充分利用了物理散射特性和极化SAR数据统计特征。具有实现简单、使用方便、搜索能力强等特点,能获得更高的分类精度。(本文来源于《武汉大学》期刊2011-04-01）
陈富龙,王超,张红,张波[7]（2008）在《单极化合成孔径雷达影像在土地利用分类中的潜力分析》一文中研究指出从我国土地利用调查应用出发,为了解决我国多云多雨地区土地利用分类及遥感动态监测问题,以面向对象影像分割、分类软件——Definiens Developer作为处理平台,对中分辨率星载合成孔径雷达(SAR)(以ENVISAT ASAR和Radarsat-1为例)、高分辨率星载SAR(以TerraSAR-X为例)进行分类处理,分析了单极化星载中、高分辨率星载SAR在土地利用分类中的能力,并对该模式星载SAR在土地利用分类中的影像特征和可解析程度进行了小结。(本文来源于《遥感技术与应用》期刊2008年03期）
全极化合成孔径雷达影像论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
探讨了一种将EM算法结合极化散射参数对极化SAR影像进行非监督分类的方法。该方法首先采用H-α平面进行初分类,然后将EM算法与极化熵H、散射角α、反熵A和总功率SPAN等参数结合,对极化SAR影像进一步再分类。实验结果表明该方法可取得较高的分类精度。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
全极化合成孔径雷达影像论文参考文献
[1].黄刚,刘先林.深度学习的极化合成孔径雷达影像语义分割[J].测绘科学.2019
[2].隋克林.EM算法在极化合成孔径雷达影像分类中的应用[J].城市勘测.2018
[3].崔鸣,余洁,王彦兵,谢东海.超像素极化合成孔径雷达影像谱聚类算法研究[J].测绘科学.2015
[4].符思涛,李震,田帮森.全极化合成孔径雷达影像地形纠正及其在雪冰制图中的应用[J].中国图象图形学报.2014
[5].王刚,余洁,朱腾,张中山,赵争.改进的遗传算法用于极化合成孔径雷达影像非监督分类[J].遥感技术与应用.2013
[6].张中山.极化合成孔径雷达影像智能处理方法研究[D].武汉大学.2011
[7].陈富龙,王超,张红,张波.单极化合成孔径雷达影像在土地利用分类中的潜力分析[J].遥感技术与应用.2008