版權(quán)說(shuō)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(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、合成孔徑雷達(dá)(Synthetic Aperture Radar,簡(jiǎn)稱 SAR)具有全天候、全天時(shí)的成像特點(diǎn),而且能穿透一些土壤和植被,與光學(xué)遙感器相比具有很強(qiáng)的優(yōu)越性,因此許多地理和軍事問(wèn)題的研究都以 SAR圖像為重要依據(jù)。SAR圖像的分類和分割是SAR圖像解譯的重要步驟,是目標(biāo)的識(shí)別的前提,因此研究SAR圖像分類與分割具有重要意義。
本文主要對(duì)稀疏表示模型在 SAR圖像分類與分割當(dāng)中的應(yīng)用進(jìn)行了研究,我們的主要工作有:
2、> (1)提出了一種基于稀疏表示的SAR圖像地物分類算法,這是對(duì)JohnWright等人提出的稀疏表示人臉?lè)诸愖R(shí)別算法的應(yīng)用。該算法使用詞袋模型的方法構(gòu)造特征向量,采用隨機(jī)投影來(lái)提取有效信息,將局部特征和整體特征相結(jié)合,對(duì)于圖像的類別信息進(jìn)行了統(tǒng)計(jì)分析,使得特征向量的提取更加簡(jiǎn)單而且更能代表圖像信息。與JohnWright等人的方法進(jìn)行比較,本算法能有效地進(jìn)行SAR圖像地物分類,分類正確率高于常用的算法。
(2)提出了一種基
3、于稀疏表示模型的SAR圖像分割算法,將稀疏表示模型應(yīng)用到單幅圖像的地物分割上面。選定訓(xùn)練區(qū)域以后,該算法可以自動(dòng)選取訓(xùn)練樣本,避免了人工標(biāo)記訓(xùn)練樣本的主觀性,同時(shí)采用二次分割策略來(lái)提取特征向量,實(shí)驗(yàn)證明該算法簡(jiǎn)單有效。
(3)提出了兩種改進(jìn)的稀疏表示SAR圖像分割策略,第一種改進(jìn)策略是首先將圖像分成勻質(zhì)和非勻質(zhì)區(qū)域,然后對(duì)于勻質(zhì)區(qū)域采用小尺寸字典,對(duì)于非勻質(zhì)區(qū)域采用大尺寸字典,使得分割結(jié)果精確一些。第二種改進(jìn)策略是根據(jù)特征向量
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)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(qǐng)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(qǐng)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(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)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(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)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(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于稀疏表示的SAR圖像壓縮研究.pdf
- 基于稀疏表示的SAR圖像抑斑.pdf
- 基于稀疏表示的紋理圖像分割研究.pdf
- 基于稀疏表示的SAR圖像目標(biāo)識(shí)別.pdf
- 基于深層特征學(xué)習(xí)和稀疏表示的SAR圖像分類.pdf
- 基于稀疏表示的SAR圖像降噪算法研究.pdf
- 基于聯(lián)合稀疏表示的sar圖像分類方法研究
- 基于稀疏表示的面向?qū)ο髽O化SAR圖像分類.pdf
- 基于稀疏表示和低秩逼近的SAR圖像降斑.pdf
- 基于素描稀疏表示和低秩分解的SAR圖像目標(biāo)檢測(cè).pdf
- 基于稀疏表示的SAR圖像目標(biāo)識(shí)別研究.pdf
- 基于聯(lián)合稀疏表示的SAR圖像分類方法研究.pdf
- 基于隨機(jī)投影和簽名框架的SAR圖像分割方法研究.pdf
- 基于稀疏表示與字典學(xué)習(xí)的極化sar圖像壓縮
- 基于稀疏表示與字典學(xué)習(xí)的極化SAR圖像壓縮.pdf
- 基于聯(lián)合域聚類和稀疏表示的極化SAR圖像分類.pdf
- 基于稀疏表示和深度學(xué)習(xí)的SAR圖像目標(biāo)識(shí)別研究.pdf
- 基于稀疏表示的SAR圖像去噪和變化檢測(cè)方法.pdf
- 基于馬爾可夫隨機(jī)場(chǎng)的SAR圖像復(fù)原和分割.pdf
- 基于稀疏表示分類器的極化SAR圖像地物分類.pdf
評(píng)論
0/150
提交評(píng)論