

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、近年來,極化SAR技術作為新型SAR技術,以其表征地物信息更全,且不受云、霧、雨的影響等優(yōu)勢已成為國內外研究的熱潮之一,并在相關領域得到越來越多的應用。極化SAR地物分類作為該技術應用的重要領域對于人類生產(chǎn)生活都起到非常重要的作用。關于極化SAR地物分類方法,人們已經(jīng)研究了許多年,國內外專家在該領域提出了一些有里程碑意義的理論與算法。但是,目前該技術在分類領域中的研究與應用依然存在一些問題。該論文以目前極化SAR技術應用于分類中存在的兩
2、個問題出發(fā),提出自己的研究思路。
首先,本文針對其中人們對極化散射特性的理解依然有待加強,首次較系統(tǒng)的分析了不同地物類別下多種經(jīng)典的表征極化散射特性的極化散射參數(shù)的變化情況,尤其側重于入射角參數(shù)變化時各極化散射特性的改變情況。首次全面分析了入射角參數(shù)改變時,|HH|、|HV|、|VV|、Span、H_A_α特征、Freeman-Durden分解三分量各特征參數(shù)的變化情況,給出了可靠的結論。
其次,當入射角參數(shù)
3、變化較大時,當前極化SAR地物分類方法未考慮該參數(shù)的影響而導致分類結果出現(xiàn)錯分現(xiàn)象的問題,論文首次提出基于入射角糾正的機載極化SAR分類算法,并采用不同機載平臺的極化SAR影像驗證算法的有效性和可靠性,分析了不同波段下該算法的可行性。
另外,本文以國家西部測圖工程子項目為依托,應用了兩種經(jīng)典的分類器(Wishart分類器、SVM分類器)來比較入射角參數(shù)糾正與否的分類結果,給出了定量的精度評定結果;并針對基于入射角參數(shù)糾正的
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。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內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)權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,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
- 基于散射特性和空間特性的極化SAR地物分類研究.pdf
- 基于SVM和散射機理的極化SAR影像地物分類.pdf
- 基于散射機理和目標分解的極化SAR圖像地物分類.pdf
- 基于面向對象的極化SAR地物分類.pdf
- 基于稀疏編碼的極化SAR影像地物分類.pdf
- 基于稀疏表示分類器的極化SAR圖像地物分類.pdf
- 基于特征向量統(tǒng)計的極化SAR地物分類.pdf
- 基于多特征融合的極化SAR地物分類方法研究.pdf
- 基于半監(jiān)督學習的極化SAR地物分類.pdf
- 基于深度RPCA網(wǎng)絡的極化SAR影像地物分類.pdf
- 典型地物的極化后向散射特性分析及其在分類中的應用.pdf
- 基于深度ICA網(wǎng)絡的極化SAR影像地物分類方法研究.pdf
- 面向極化SAR地物分類的稀疏深度網(wǎng)絡.pdf
- 基于集成學習和特征選擇的極化SAR地物分類.pdf
- 用于極化SAR地物分類的協(xié)同訓練算法研究.pdf
- 基于CNN特征學習和SVM的極化SAR影像地物分類.pdf
- 基于目標分解與機器學習的極化SAR圖像地物分類.pdf
- 全極化SAR地物分類與極化方位角補償.pdf
- 基于稀疏編碼和SVM的極化SAR影像地物分類方法研究.pdf
- 基于自編碼神經(jīng)網(wǎng)絡的極化SAR影像地物分類.pdf
評論
0/150
提交評論