| 题名 | 全极化合成孔径雷达在地物分类领域的应用研究 |
| 作者 | 王之禹 |
| 学位类别 | 博士 |
| 答辩日期 | 1999 |
| 授予单位 | 中国科学院电子学研究所 |
| 授予地点 | 中国科学院电子学研究所 |
| 导师 | 朱敏慧 |
| 关键词 | 最优极化状态 极大极小模糊神经网络（FMM） 散射机理 目标分辨（TD） 全极化合成孔径雷达 极化合成 |
| 学位专业 | 信号与信息处理 |
| 中文摘要 | 全极化合成孔径雷达是合成孔径雷达向多功能发展的一个重要内容，它能够有效地提高获取目标信息的能力，为提高目标分类的精度提供了有力的工具。全极度化合成孔径雷达图像数据的处理主要是针对全极度化合成孔径雷达获取的、具有地物目标电磁散射特性的回波信号进行的特定目的的各种处理，以达到提取更为丰富的有用信息的目的。本文研究了全极度化合成孔径雷达图像的地物分类问题。其主要内容包括四部分：1）针对全极度化SAR图像数据的特点，提出了一种以最优极化状态为基础的地物特征参数提取方法，优化了衡量极化状态优劣的距离因子的计算方法，提高了计算速度，并构造了一种与之相适应的统计分类方法。分类结果表明，基于最优极化状态的分类方法可以显著地提高地物目标的分类精度。2）讨论了一种模糊极大极小（FMM）神经网络分类算法，并针对原有的隶属度函数提出了一种改进的、更加合理的隶属度函数。利用改进的隶属度函数可以在一定的程度上提高地物目标的分类精度。3）针对已有的散射机理模型的不足，提出了一种具有明确物理意义的随机体散射模型，并利用该散射模型与已有的三种散射模型（偶次散射、奇次散射和布拉格散射模型）一起构造了一种新颖的散射机理分解模型。与已有的散射机理分解模型相比，该模型更适于描述各类的地物目标。利用该模型分析了实际地物目标的散射机理，得到了各类典型地物目标的的散射机理构成。4）利用得到的地物目标散射机理分解模型，构造了一种基于散射机理分解系数的非监督聚类算法。该算法不仅可以象其它分类算法一样按照地物目标的特征对其进行分类，而且还能够根据地物目标散射机理的先验知识确定地物目标的类型。这是基于其它特征的聚类算法所无法实现的。实践表明基于最优极化状态的分类方法能够充分利用全极化SAR图像数据中包含的丰富信息，提高地物分类的精度；改进后的散射机理模型具有更加明确的物理含义，能够更加精确地描述地物目标。利用该模型构造的地物聚类算法在不需要任何地物先验知识的条件下就可以完成地物的分类。 |
| 语种 | 中文 |
| 公开日期 | 2011-07-19 |
| 页码 | 137 |
| 内容类型 | 学位论文 |
| 源URL | [http://159.226.65.12/handle/80137/8939]  |
| 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 | 王之禹. 全极化合成孔径雷达在地物分类领域的应用研究[D]. 中国科学院电子学研究所. 中国科学院电子学研究所. 1999. |
| 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