合成孔徑雷達(dá)(Synthetic Aperture Radar,SAR)是一種主動式對地觀測系統(tǒng),能夠全天時、全天候?qū)嵤�對地觀測,SAR圖像以其獨特的優(yōu)勢發(fā)揮著其他遙感圖像難以發(fā)揮的作用。SAR圖像分割將SAR圖像分成互不重疊、具有特定意義的若干區(qū)域,是SAR圖像理解和解譯的重要環(huán)節(jié)。子空間聚類算法是一種適用于高維數(shù)據(jù)的聚類算法,可以將高維數(shù)據(jù)劃分到低維子空間中�；�于子空間聚類的圖像分割方法,將圖像的分割問題看成圖像特征數(shù)據(jù)的聚類問題。本文針對稀疏子空間聚類算法由于表示系數(shù)過稀疏而缺乏子空間連通性的問題,提出了基于改進(jìn)彈性網(wǎng)子空間聚類的SAR圖像分割模型,同時提出了兩種新的特征提取方法應(yīng)用于提升SAR圖像分割的性能。本文的主要內(nèi)容如下:(1)本文提出了一種基于改進(jìn)彈性網(wǎng)子空間聚類的SAR圖像分割模型。首先將圖像的特征矩陣作為聚類數(shù)據(jù),通過彈性網(wǎng)算子得到特征矩陣的子空間表示系數(shù)矩陣。然后采用本文給出的超距離模型代替歐式距離計算特征數(shù)據(jù)之間的距離,利用基于超距離的改進(jìn)譜聚類算法對系數(shù)矩陣進(jìn)行聚類。實驗表明,本文提出的SAR圖像分割方法能夠有效提高分割精度并降低分割時間。(2)本文提出了一種基...

【文章頁數(shù)】：88 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
符號對照表
縮略語對照表
第一章 緒論
    1.1 研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 SAR圖像分割算法研究現(xiàn)狀
        1.2.2 圖像特征提取算法研究現(xiàn)狀
    1.3 本文的主要工作與內(nèi)容安排
第二章 子空間聚類理論基礎(chǔ)
    2.1 子空間聚類概述
    2.2 子空間聚類相關(guān)的數(shù)學(xué)理論
        2.2.1 矩陣論相關(guān)理論
        2.2.2 圖論相關(guān)理論
    2.3 子空間聚類框架
    2.4 稀疏子空間聚類
    2.5 本章小結(jié)
第三章 基于改進(jìn)彈性網(wǎng)子空間聚類的SAR圖像分割
    3.1 改進(jìn)彈性網(wǎng)子空間聚類算法模型
        3.1.1 模型建立的動機(jī)
        3.1.2 SAR圖像基于彈性網(wǎng)算子的子空間表示
        3.1.3 基于超距離模型的改進(jìn)譜聚類算法
    3.2 基于改進(jìn)彈性網(wǎng)子空間聚類的SAR圖像分割
        3.2.1 基于改進(jìn)彈性網(wǎng)子空間聚類的SAR圖像分割框架
        3.2.2 基于改進(jìn)彈性網(wǎng)子空間聚類的SAR圖像分割模型
    3.3 SAR圖像分割實驗數(shù)據(jù)及分析
        3.3.1 實驗參數(shù)選擇
        3.3.2 SAR圖像分割實驗及數(shù)據(jù)分析
    3.4 本章小結(jié)
第四章 基于特征融合和改進(jìn)彈性網(wǎng)子空間聚類的SAR圖像分割
    4.1 SAR圖像特征表示
        4.1.1 SAR圖像預(yù)處理
        4.1.2 SAR圖像特征提取
        4.1.3 SAR圖像特征融合
    4.2 基于特征融合和改進(jìn)彈性網(wǎng)子空間聚類的SAR圖像分割框架及模型
    4.3 SAR圖像分割實驗數(shù)據(jù)及分析
        4.3.1 實驗數(shù)據(jù)集
        4.3.2 SAR圖像分割實驗及分析
    4.4 本章小結(jié)
第五章 基于SAR-KAZE特征和改進(jìn)彈性網(wǎng)子空間聚類的SAR圖像分割
    5.1 SAR-KAZE特征提取
        5.1.1 非線性濾波
        5.1.2 SAR-KAZE特征提取算法
    5.2 基于SAR-KAZE特征和改進(jìn)彈性網(wǎng)子空間聚類的SAR圖像分割模型
    5.3 SAR圖像分割實驗數(shù)據(jù)及分析
        5.3.1 實驗數(shù)據(jù)集
        5.3.2 SAR圖像分割實驗及分析
    5.4 本章小結(jié)
第六章 總結(jié)與展望
    6.1 論文工作總結(jié)
    6.2 展望
參考文獻(xiàn)
致謝
作者簡介



本文編號：4056417