基于深度學(xué)習(xí)的極化SAR分類研究.pdf

1、極化合成孔徑雷達(dá)(Polarimetric Synthetic Aperture Radar，簡稱極化SAR)是目前遙感領(lǐng)域較為先進(jìn)的傳感系統(tǒng)之一。因?yàn)椴捎昧硕嗤ǖ阔@取數(shù)據(jù)并成像，所以極化SAR數(shù)據(jù)包含了更豐富的極化信息，包含了更多的地物信息和特征，基于極化SAR數(shù)據(jù)地物分類問題的研究也一直是雷達(dá)圖像理解與處理領(lǐng)域的研究重點(diǎn)。近年來，深度學(xué)習(xí)在機(jī)器學(xué)習(xí)領(lǐng)域引起廣泛重視，并在工業(yè)界和學(xué)術(shù)界取得了令人振奮的成果。本文的主要工作是研究基于深度

2、學(xué)習(xí)的極化SAR圖像分類方法，以深度信念網(wǎng)絡(luò)模型為基礎(chǔ)，將其應(yīng)用于極化SAR地物分類，結(jié)合極化SAR數(shù)據(jù)的統(tǒng)計(jì)分布特性提出了改進(jìn)的極化SAR地物分類方法。主要工作如下：
　　1．研究了深度學(xué)習(xí)方法中的深度信念網(wǎng)絡(luò)（DBN），深入討論了DBN的基本構(gòu)成和原理。著重對(duì)其基本構(gòu)成單元受限制玻爾茲曼機(jī)（RBM）進(jìn)行分析，并將其擴(kuò)展應(yīng)用到了極化SAR數(shù)據(jù)的分類上。引入高斯限制玻爾茲曼機(jī)（GRBM），實(shí)現(xiàn)了基于GRBM的極化SAR地物分類算法

3、，并通過實(shí)驗(yàn)分析了算法的性能，驗(yàn)證了在算法模型在極化SAR數(shù)據(jù)地物分類問題的有效性；
　　2．在對(duì)RBM的原理深入分析的基礎(chǔ)上，結(jié)合極化SAR的統(tǒng)計(jì)分布特性，將更能表征極化 SAR數(shù)據(jù)特性的Wishart分布引入 RBM，對(duì) RBM進(jìn)行改進(jìn)，提出了Wisahrt RBM（WRBM），通過實(shí)驗(yàn)驗(yàn)證了WRBM能夠有效學(xué)習(xí)極化SAR數(shù)據(jù)的特性，并且在地物分類正確率和分類效果達(dá)到優(yōu)于GRBM和SVM的分類結(jié)果；
　　3．針對(duì)DBN模