| 题名 | 基于Cloude-Pottier分解的全极化SAR数据非监督分类的算法和实验研究 |
| 作者 | 曹芳 |
| 学位类别 | 博士 |
| 答辩日期 | 2007-04-03 |
| 授予单位 | 中国科学院电子学研究所 |
| 授予地点 | 电子学研究所 |
| 导师 | 洪文 |
| 关键词 | Cloude-Pottier分解 极化总功率(SPAN) 复Wishart聚类 交叉验证 非监督分类 极化SAR |
| 其他题名 | The Unsupervised Classication Based on the Cloude-Pottier Decomposition for Fully Polarimetric SAR Data |
| 中文摘要 | 全极化SAR数据的地物分类是遥感领域中雷达极化的最重要的应用之一。全极化SAR数据可以实现非监督的分类方法，即不需要地表覆盖物类型的先验知识数据库。 本文研究的内容主要是开展目标分解方法研究提取全极化SAR数据有关散射机制的信息，结合该散射机制的信息和统计模式识别的方法开展全极化SAR数据非监督分类算法的研究。就目标分解算法而言，本文对目前最流行的Cloude-Pottier目标分解方法进行了改进，将回波功率参数引入到Cloude-Pottier分解中，并给出了对Cloude-Pottier分解结果的直观的表达方式。就非监督分类算法而言，本文首先提出了基于复Wishart分布和最大似然估计算法的Wishart H/a/SPAN分类算法；然后，考虑到Wishart H/a/SPAN分类算法初始化参数所表征的散射机制的信息不完全，本文又提出了同时采用SPAN/H/a/A四个特征参数进行初始化的Wishart SPAN/H/a/A分类算法；由于Wishart SPAN/H/a/A分类算法初始化后的类数较多，本文通过引入基于Wishart检验统计的区域合并算法来减少分类的类别数，获得有效的分类结果。事实上，目前大部分的分类算法均采用固定的类别数进行全极化SAR数据的分类，而直接根据数据的内部结构确定类别数的方法应该更为合理，本文又提出了一种新的带类别数估计的全极化SAR数据非监督分类算法，WishartSPAN/H/a/A分类算法，通过引入模式识别中的交叉验证算法自动地根据数据分析估计最优的类别数，解决分类类别数与数据内部结构不匹配的情况下可能导致的过拟合或欠拟合现象。由于交叉验证算法是一种估计分类器推广误差的方法，可以用于分类器的定量评估，本文对其可行性进行了初步的探讨，并尝试利用交叉验证算法实现全极化SAR数据非监督分类结果的评估。 |
| 语种 | 中文 |
| 公开日期 | 2011-07-19 |
| 页码 | 136 |
| 内容类型 | 学位论文 |
| 源URL | [http://ir.ie.ac.cn/handle/80137/8397]  |
| 专题 | 电子学研究所_电子所博硕士学位论文_电子所博硕士学位论文_学位论文 |
| 推荐引用方式 GB/T 7714 | 曹芳. 基于Cloude-Pottier分解的全极化SAR数据非监督分类的算法和实验研究[D]. 电子学研究所. 中国科学院电子学研究所. 2007. |
| 个性服务 |
| 查看访问统计 |
| 相关权益政策 |
| 暂无数据 |
| 收藏/分享 |
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。
修改评论