基于扩展监督主题模型的高分辨率合成孔径雷达图像的分类与标注

合成孔径雷达图像论文 高分辨率论文 场景分类论文 场景标注论文 监督主题模型论文 词包模型论文
论文详情
合成孔径雷达(Synthetic Aperture Radar,SAR)图像与光学图像相比,具有目标结构性特征缺失、场景理解难、目标与场景之间联想困难等先天性缺点。这些缺点直接导致SAR图像难以被最终用户理解。因此,SAR图像解译问题一直是SAR数据应用的核心基础共性技术问题。目前SAR图像朝着高分辨率、多极化的方向发展。面对SAR系统分辨能力的提升、极化信息的引入、处理对象的增多、精细探测的要求提高以及海量的数据,针对高分辨率SAR图像的高准确率的、快速的、高自动化的、易于人工操作的解译技术亟需发展。本文面向高分辨率SAR图像解译中的场景分类与场景标注问题,针对国内现状,重点解决高分辨率SAR图像解译中的跨越语义鸿沟问题与场景先验信息获取问题,并对稳健、排他的地物特性计算与特征提取问题做出了简单的尝试,提出一种基于扩展监督主题模型的高分辨率SAR图像分类与标注方法。本文通过3景不同的实验数据,对本文提出的方法进行了验证。通过实验,本文提出的方法在少量训练集、少量人工操作、少量知识输入的情况下,可以较为准确的、便捷的同时完成高分辨率单极化和全极化SAR图像的场景分类与像素标注的工作。
摘要第3-4页
ABSTRACT第4-5页
图录第9-11页
表录第11-12页
第一章 绪论第12-24页
    1.1 研究背景第12-15页
        1.1.1 合成孔径雷达与其图像简介第12-14页
        1.1.2 高分辨率SAR 图像解译第14-15页
    1.2 国内外研究基础第15-19页
        1.2.1 国外研究基础第15-16页
        1.2.2 国内研究基础第16-18页
        1.2.3 发展趋势第18页
        1.2.4 国内现状与国外差距第18-19页
    1.3 主要问题第19-21页
        1.3.1 跨越语义鸿沟第19-20页
        1.3.2 可操作的获取场景先验信息第20页
        1.3.3 稳健、排他的地物特性计算与特征提取第20-21页
        1.3.4 其他问题第21页
    1.4 研究内容与章节安排第21-24页
        1.4.1 主要研究内容第21-22页
        1.4.2 项目支撑第22页
        1.4.3 章节安排第22-24页
第二章 主题模型理论基础第24-47页
    2.1 本章概述第24页
    2.2 模式识别理论基础第24-30页
        2.2.1 概率分布基础第24-28页
        2.2.2 参数估计基础第28-30页
    2.3 词包模型第30-34页
        2.3.1 特征检测第32页
        2.3.2 特征提取第32-33页
        2.3.3 生成字典第33页
        2.3.4 学习与推理第33-34页
    2.4 pLSA 模型第34-36页
        2.4.1 定义第34-35页
        2.4.2 参数估计第35-36页
        2.4.3 特点第36页
    2.5 LDA 模型第36-43页
        2.5.1 定义第36-39页
        2.5.2 参数估计第39-41页
        2.5.3 特点第41-43页
    2.6 监督主题模型第43-46页
        2.6.1 USTM 在视觉领域的应用第43-44页
        2.6.2 Correspondence LDA第44-45页
        2.6.3 Supervised LDA第45页
        2.6.4 遥感领域的STM第45-46页
    2.7 本章小结第46-47页
第三章 工作框架第47-67页
    3.1 本章概述第47-48页
    3.2 先验知识的获取第48-51页
        3.2.1 实现流程第48-49页
        3.2.2 基于关键字的标注第49页
        3.2.3 SARMAT第49-51页
    3.3 图像的词包表示第51-61页
        3.3.1 生成单词第51页
        3.3.2 特征提取第51-56页
        3.3.3 生成词典第56-61页
        3.3.4 词包统计第61页
    3.4 学习与推理第61-63页
        3.4.1 学习过程第61-63页
        3.4.2 推理过程第63页
    3.5 隐主题与实际主题的对应第63-66页
        3.5.1 分类结果的语义分析第63-64页
        3.5.2 隐主题分析第64-65页
        3.5.3 标注结果后处理第65-66页
    3.6 本章小结第66-67页
第四章 实验与分析第67-87页
    4.1 本章概述第67页
    4.2 地物分类结果的衡量第67-68页
        4.2.1 混淆矩阵第67页
        4.2.2 平均准确率第67页
        4.2.3 品质因数第67-68页
        4.2.4 Kappa 系数第68页
    4.3 实验一第68-77页
        4.3.1 实验数据介绍第68-69页
        4.3.2 实验流程与结果展示第69-77页
    4.4 实验二第77-82页
        4.4.1 实验数据介绍第77-79页
        4.4.2 实验流程与结果展示第79-82页
    4.5 实验三第82-86页
        4.5.1 实验数据介绍第82-83页
        4.5.2 实验流程与结果展示第83-86页
    4.6 实验综述分析第86-87页
第五章 总结与展望第87-91页
    5.1 主要工作与创新点第87-88页
    5.2 后续研究工作第88-91页
        5.2.1 ESTM 效率提升第88页
        5.2.2 ESTM 性能的提升第88-89页
        5.2.3 ESTM 的实用化与型号化第89-91页
参考文献第91-96页
致谢第96-97页
攻读硕士学位期间已发表或录用的论文第97-100页
附件第100页
论文购买
论文编号ABS563755,这篇论文共100页
会员购买按0.30元/页下载,共需支付30
不是会员,注册会员
会员更优惠充值送钱
直接购买按0.5元/页下载,共需要支付50
只需这篇论文,无需注册!
直接网上支付,方便快捷!
相关论文

点击收藏 | 在线购卡 | 站内搜索 | 网站地图
版权所有 艾博士论文 Copyright(C) All Rights Reserved
版权申明:本文摘要目录由会员***投稿,艾博士论文编辑,如作者需要删除论文目录请通过QQ告知我们,承诺24小时内删除。
联系方式: QQ:277865656