基于稀疏表示的面向?qū)ο髽O化SAR圖像分類.pdf

1、極化SAR圖像分類作為遙感圖像處理與研究的重要方向之一已日益受到人們的關(guān)注。由于極化SAR數(shù)據(jù)中大量存在的噪聲點會對圖像的進(jìn)一步處理與研究造成嚴(yán)重影響，因此，如何克服噪聲干擾，提取有效特征并進(jìn)行分類是極化SAR圖像分類面臨的關(guān)鍵問題。為了解決上述問題，本文引入了面向?qū)ο蟮乃枷胍约跋∈璞硎纠碚?。面向?qū)ο蟮乃枷胪ㄟ^初始分割提取對象進(jìn)行分類抑制了大量噪聲點的干擾，而稀疏表示理論對噪聲的魯棒性也提高了分類的正確性，兩種算法相結(jié)合可以得到很好的分

2、類結(jié)果。本文的四個主要工作內(nèi)容如下所示：
　　1.對極化SAR圖像進(jìn)行了初始分割。本文用于初始分割提取對象的算法將紋理信息與統(tǒng)計區(qū)域合并算法相結(jié)合，使用了Bhattacharyya距離合并準(zhǔn)則與統(tǒng)計區(qū)域合并準(zhǔn)則，可以獲得更為正確的圖像分割結(jié)果。紋理信息的提取是通過改進(jìn)后的LBP算子：局部一致性LBP算子（RHLBP算子）獲得的，該算子通過設(shè)定閾值能夠更好地區(qū)分不同類別的紋理信息，且可以穩(wěn)定表達(dá)相同類別的紋理信息。
　　2.將

3、顏色特征應(yīng)用于面向?qū)ο蟮臉O化SAR圖像分類。極化SAR數(shù)據(jù)并不能表示地物真實顏色信息，傳統(tǒng)分類算法中，顏色信息未被用于提供分類依據(jù)，然而極化特征合成的偽彩色圖像可以有效表達(dá)地物視覺信息。本文在分類算法中引入了偽彩色圖像中的顏色特征，驗證了顏色特征用于極化SAR圖像分類的有效性。
　　3.提出了一種新的基于原始數(shù)據(jù)的字典更新算法。用于稀疏表示的字典是從已知類別標(biāo)簽的數(shù)據(jù)中隨機(jī)選取字典原子組成的，字典中很大可能會存在噪聲點或者不能很好

4、表示其他同類數(shù)據(jù)的字典原子。為了得到更有效的字典用于稀疏表示分類，本文提出了新的字典更新方法。該方法在原始字典中選取好的字典原子組成新字典，在保證字典大小相同的前提下可以獲得更好的分類結(jié)果。
　　4.提出了改進(jìn)的聯(lián)合稀疏表示算法。為了減少稀疏表示分類中對單個像素點分類產(chǎn)生的大量計算，本文引入了聯(lián)合稀疏表示算法并對其進(jìn)行了改進(jìn)。原始聯(lián)合稀疏表示算法將整體分割區(qū)域所有像素點用于求取共有模式，由于本文算法獲得的分割區(qū)域大小不一致，且多數(shù)