基于核学习的SAR图像分类算法研究
SAR识别论文 特征提取论文 分类论文 流形学习论文
论文详情
SAR目标识别在军用和民用领域具有重要意义,我们主要研究SAR图像识别技术。降维和分类是模式识别领域的重要问题。本文首先介绍线性降维方法(Principal Component Analysis, PCA)与非线性降维方法(流形学习),和局部保持映射(Locality Preserving Projections, LPP)分类方法;其次介绍核学习算法的基本原理;最后介绍所提出的两个基于核学习的SAR图像分类算法AQKPCA和SGKLPP。本文的主要创新点如下:(1)提出了核优化算法AQKPCA (Adaptive Quasiconformal Kernel Principal Component Analysis:自适应准共形核主成分分析),核学习的三大关键问题是核函数的构造、核函数的优化、核参数的自动选择。AQKPCA用最大间隔准则(Maximum margin criterion, MMC)优化了核函数,有效避免了因核函数的选取问题而导致的识别和分类的错误。通过对数据集测试,表明AQKPCA核方法优于传统核方法。(2)提出了SGKLPP (Supervised Gabor based Kernel LPP:基于监督的Gabor核局部保持映射)方法。LPP (Locality Preserving Projections:局部保持映射)方法将LE(Laplacian Eigenmap)方法做线性映射,从而达到分类的目的。本文对KLPP算法做出改进,提出SGKLPP方法。ORL、Yale等数据库的测试结果表明,SGKLPP算法优于KLPP。本文在实验环节中不仅采用MSTAR SAR数据集,同时也采用典型的人脸数据集测试分类和识别的效果。实验结果表明,所提出的算法性能可靠。而通过将已有的方法同所提出的方法进行比较,则证明所提出方法的先进性。对于涉及的奇异值问题,则讨论不足。寻找更加优化的SAR识别算法和降低SAR识别时的计算成本等问题是今后的研究过程中需重点关注的问题。
摘要 | 第4-5页 |
Abstract | 第5页 |
1 绪论 | 第10-15页 |
1.1 SAR图像分类的研究背景、目的和意义 | 第10-11页 |
1.2 国内外SAR目标识别的研究进展 | 第11-12页 |
1.3 SAR图像分类介绍 | 第12-14页 |
1.3.1 SAR识别的基本步骤 | 第12-13页 |
1.3.2 SAR图像分类系统 | 第13页 |
1.3.3 SAR图像特征提取方法 | 第13-14页 |
1.4 文章结构 | 第14-15页 |
2 降维与分类 | 第15-28页 |
2.1 PCA算法及延伸 | 第16-20页 |
2.1.1 PCA算法 | 第16-19页 |
2.1.2 2DPCA算法 | 第19-20页 |
2.2 流形学习降维方法 | 第20-24页 |
2.2.1 ISOMAP算法 | 第21-22页 |
2.2.2 LLE算法 | 第22页 |
2.2.3 LE算法 | 第22-23页 |
2.2.4 MVU算法 | 第23页 |
2.2.5 LTSA算法 | 第23-24页 |
2.3 LPP算法及延伸 | 第24-27页 |
2.3.1 LPP算法 | 第24-26页 |
2.3.2 OLPP算法 | 第26-27页 |
2.3.3 TSA算法 | 第27页 |
2.4 本章小结 | 第27-28页 |
3 核方法 | 第28-34页 |
3.1 核函数的定义 | 第29页 |
3.2 核函数的种类 | 第29-30页 |
3.3 核函数的本质 | 第30-31页 |
3.4 核函数的构造 | 第31-32页 |
3.4.1 Mercer核理论 | 第31页 |
3.4.2 核函数的构造方法 | 第31-32页 |
3.5 核方法研究进展以及存在的问题 | 第32-33页 |
3.6 本章小结 | 第33-34页 |
4 基于AQKPCA算法的SAR图像分类算法 | 第34-47页 |
4.1 KPCA算法 | 第35-36页 |
4.2 AQKPCA算法介绍 | 第36-40页 |
4.2.1 自适应拟共形变换核 | 第36-37页 |
4.2.2 用最大间隔准则求解“扩展系数” | 第37-40页 |
4.3 AQKPCA算法流程 | 第40页 |
4.4 分类器 | 第40-42页 |
4.4.1 最近邻分类器 | 第40-41页 |
4.4.2 线性回归分类器 | 第41页 |
4.4.3 稀疏表示分类器 | 第41-42页 |
4.5 算法小结 | 第42页 |
4.6 实验结果与分析 | 第42-46页 |
4.6.1 PCA KPCA KOPCA AQKPCA比较 | 第43-45页 |
4.6.2 AQKPCA在不同分类器下的识别比较 | 第45-46页 |
4.7 本章小结 | 第46-47页 |
5 基于SGKLPP算法的SAR图像分类算法 | 第47-59页 |
5.1 SKLPP算法 | 第48-49页 |
5.2 SGKLPP算法 | 第49-50页 |
5.3 SGKLPP算法流程 | 第50页 |
5.4 算法小结 | 第50-51页 |
5.5 实验结果与分析 | 第51-58页 |
5.6 本章小结 | 第58-59页 |
结论 | 第59-61页 |
参考文献 | 第61-65页 |
附录A 公式2.31 求解过程 | 第65-66页 |
附录B 公式4.14 证明 | 第66-67页 |
攻读硕士学位期间发表学术论文情况 | 第67-68页 |
致谢 | 第68-69页 |
论文购买
论文编号
ABS605177,这篇论文共69页
会员购买按0.30元/页下载,共需支付
20.7。
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
34.5。
只需这篇论文,无需注册!
直接网上支付,方便快捷!
相关论文