-
题名基于支持向量机的多极化SAR图像监督分类
被引量：5
- 1
-
-
作者
王强
孙洪
-
机构
武汉大学电子信息学院
-
出处
《信号处理》
CSCD
北大核心
2005年第z1期531-534,共4页
-
文摘
针对SAR图像固有相干斑的影响,分类比较困难的问题,将支持向量机方法应用到多极化SAR图像的监督分类中.实验结果表明,基于支持向量机的多极化SAR图像监督分类不仅具有较高的分类精度,而且和传统方法比较,在训练样本较少的情况下具有更好的推广性.
-
关键词
支持向量机
分类
多极化sar图像
-
分类号
TN911.7
[电子电信—通信与信息系统]
-
-
题名多极化SAR图像3D-SPIHT压缩
被引量：1
- 2
-
-
作者
张文超
王岩飞
潘志刚
-
机构
中国科学院电子学研究所
-
出处
《电子与信息学报》
EI
CSCD
北大核心
2008年第1期216-219,共4页
-
文摘
该文针对多极化合成孔径雷达(SAR)图像在极化通道之间的相关性,提出了3D-SPIHT压缩方法。将多极化SAR图像(HH,HV,VV图像)作为一个整体,进行三维矩阵变换。首先在极化通道之间进行一维DCT变换,极化平面内进行二维离散小波变换(DWT),然后对3个极化混合系数平面采用分级树的集合划分(SPIHT)算法进行嵌入式统一混合编码。由于不是单独处理每一极化图像,因此不仅可以去除各极化图像内部之间的相关性,也可以去除极化通道之间的相关性。另外,由于采用统一嵌入编码,码流具有完全嵌入性,可以实现3个极化平面之间比特的精确自动分配。理论推导和仿真结果表明该方法对多极化SAR图像压缩是十分有效的。
-
关键词
多极化sar图像压缩
三维矩阵变换
分级树集合划分
峰值信噪比
-
Keywords
Multi-polarimetric sar image compression
3D-matrix transform
Set Partitioning In Hierachical Trees（SPIHT）
Peak Signal to Noise Ratio （PSNR）
-
分类号
TN957.52
[电子电信—信号与信息处理]
-
-
题名多极化SAR图像融合法在沿海滩涂调查中的应用
被引量：2
- 3
-
-
作者
杨智翔
-
机构
江西省水利规划设计院
-
出处
《人民长江》
北大核心
2013年第5期52-56,60,共6页
-
基金
国家自然科学基金项目(41274017)
江苏省科技支撑计划(BE2010316)
日本宇航局AlOS数据研究项目(PI534)
-
文摘
利用遥感信息技术准确掌握沿海滩涂湿地的现状,对于江苏沿海大开发这一国家战略的顺利实施具有重要意义。由于多极化合成孔径雷达图像(SAR)具有不同的极化信息,将极化SAR图像进行融合可以更有效地获取沿海滩涂湿地信息。针对多极化SAR图像的融合问题,提出了一种基于非亚采样Contourlet变换(NSCT)和脉冲耦合神经网络(PCNN)的图像融合方法,该方法采用简化的PCNN模型分别对图像的低频子带和高频子带系数进行智能决策。以江苏盐城地区的ALOS PALSAR双极化图像为例,对所提方法的有效性进行验证,从主观定性和客观定量两方面综合比较了新方法与几种传统的基于多尺度分解方法的融合效果。结果表明,新方法能够最大程度地保留原始极化SAR图像的信息,融合效果好于其他方法,更有利于沿海滩涂湿地信息的提取。
-
关键词
非亚采样Contourlet变换
脉冲耦合神经网络
多极化sar图像
图像融合
沿海滩涂
-
Keywords
Nonsubsampled Contourlet Transform （NSCT）
pulse - coupled neural network （PCNN） , multi - polarizationsar
image fusion
coastal tidal flats
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名高分辨率多极化SAR图像目标分类误差分析
被引量：3
- 4
-
-
作者
葛家龙
-
机构
中国电子科技集团公司第
-
出处
《雷达科学与技术》
2003年第4期197-200,共4页
-
文摘
讨论了多极化SAR系统的极化误差及其对多极化SAR图像极化匹配目标分类性能的影响,并给出了计算结果。分析表明,多极化SAR系统的极化通道幅度不平衡误差对目标极化匹配结果的影响最大,交叉极化干扰项对此也有较大的影响。
-
关键词
多极化sar图像
极化误差
极化匹配
合成孔径雷达
图像目标
误差分析
-
Keywords
multipolarization sar image
polarization error
polarization matching
-
分类号
TN958
[电子电信—信号与信息处理]
-
-
题名基于三维矩阵变换的多极化SAR图像压缩
- 5
-
-
作者
张文超
王岩飞
潘志刚
-
机构
中国科学院电子学研究所
-
出处
《电子学报》
EI
CAS
CSCD
北大核心
2007年第12期2430-2434,共5页
-
文摘
本文针对多极化合成孔径雷达(SAR)图像在极化通道之间的相关性,提出了基于三维矩阵变换的压缩方法.将多极化SAR图像(HH,HV,VV图像)作为一个整体,进行三维矩阵变换.首先在极化通道之间进行一维DCT变换,极化平面内进行二维离散小波变换,然后对三个混合系数平面根据率失真准则分配不同比特数,采用分级树的集合划分(SPIHT)算法进行编码.由于不是单独处理每一极化图像,因此不仅可以去除各极化图像内部之间的相关性,也可以去除极化通道之间的相关性.理论推导和实验结果都表明该方法对多极化SAR图像压缩是十分有效的.
-
关键词
三维矩阵
多极化sar图像
分级树集合划分
比特分配
图像压缩
峰值信噪比
-
Keywords
three-dimensional matrix
mulfi-poladmetric sar image
set partitioning in hierachical trees（SPHIT）
bit allocation
image compression
peak signal to noise ratio（PSNR）
-
分类号
TN919.81
[电子电信—通信与信息系统]
-
-
题名多极化SAR图像的降斑研究
被引量：3
- 6
-
-
作者
胡艳芬
王宝发
-
机构
北京航空航天大学电子工程系
-
出处
《电子学报》
EI
CAS
CSCD
北大核心
2003年第2期207-210,共4页
-
基金
国防科技重点实验基金 (No.0 0JS67.1 .1 .HK0 1 0 1 )
-
文摘
对于多极化SAR图像 ,可以利用其同极化和交叉极化图像的相关性来进行降斑处理 .本文对常用的几种基于多极化SAR图像的降斑方法进行了分析 ,重点研究了最优加权法 (theoptimalweightingalgorithm) ,在其基础上改进提出了分块加权法 ,取得了明显的降斑效果 ,并较大地减少了运算量 .
-
关键词
多极化sar图像
图像降斑
最优加权法
分块加权法
合成孔径雷达
-
Keywords
Image processing
Speckle
-
分类号
TN958
[电子电信—信号与信息处理]
-
-
题名多极化SAR图像目标检测研究
- 7
-
-
作者
苏宇
-
机构
辽源职业技术学院资源工程系
-
出处
《舰船科学技术》
北大核心
2016年第24期136-138,共3页
-
基金
吉林省教育厅支撑计划资助项目(GH150663)
-
文摘
目前,SAR图像检测多是单一极化的方式,从而使得检测效率低下。因此本文采用多极化的方式进行目标检测,在检测算法中,本文将多种极化检测器相融合,通过检测结果的多次迭代,得到最后的目标检测结果。从对比实验结果可看出,在相同的虚警率下,本文算法的检测结果最好,并且随着虚警率的提高,虚警点数没有增多。
-
关键词
目标检测
多极化sar图像
极化检测器
-
Keywords
target detection
multi polarization sar image
polarization detector
-
分类号
U665.26
[交通运输工程—船舶及航道工程]
-
-
题名一种多极化SAR舰船目标与方位向模糊鉴别方法
被引量：3
- 8
-
-
作者
周伟
孙艳丽
许成斌
关键
-
机构
海军航空工程学院电子信息工程系
海军航空工程学院基础实验部
-
出处
《雷达学报（中英文）》
CSCD
2015年第1期84-92,共9页
-
基金
国家自然科学基金(61201445
61179017)
国防预研基金资助课题
-
文摘
针对SAR图像舰船目标检测过程中存在方位向模糊造成虚警的问题,该文设计了一种基于改进的H/a/Wishart非监督分类的多极化SAR图像舰船与方位向模糊鉴别方法。该方法首先提取目标散射回波峰值区域,以该区域的H/a分类结果为初始聚类中心,利用复Wishart分布的最大似然分类器改善分类结果,通过对比分析各散射类型区域的结构鉴别舰船目标和方位向模糊。通过实验表明该方法能有效地鉴别舰船目标与方位向模糊,减少SAR舰船目标检测过程中存在的虚警。
-
关键词
多极化sar图像
方位向模糊
非监督分类
舰船检测
-
Keywords
Multi-polarimetric sar imagery
Azimuth ambiguity
Unsupervised classification
Ship detection
-
分类号
TP319
[自动化与计算机技术—计算机软件与理论]
-
