基于隨機(jī)投影的SAR圖像紋理分類方法研究.pdf

1、圖像分類是模式識(shí)別領(lǐng)域中的最為重要的研究內(nèi)容之一，而紋理是SAR圖像的重要信息與基本特征，它作為一種廣泛存在的圖像模式，自然成為SAR圖像分類的重要研究課題。近年來，由于壓縮感知技術(shù)的提出以及迅速發(fā)展，在若干應(yīng)用領(lǐng)域都引起矚目，成為極為熱門的研究前沿。在這種形勢下，怎樣將壓縮感知的先進(jìn)技術(shù)應(yīng)用到SAR圖像紋理分類領(lǐng)域上來，自然引起我們的極大關(guān)注和深刻探索。
　　本文圍繞紋理分類和壓縮感知技術(shù)理論展開了深入研究，針對(duì)SAR圖像特點(diǎn)，

2、提出了以隨機(jī)投影中的觀測向量差作為特征向量進(jìn)行紋理分類的方法，另外，在研究局部特征分布的圖像分類算法中，成功地將Signature（簽名或簇集）框架應(yīng)用到壓縮感知圖像分類技術(shù)上，取得了一定的研究成果。
　　本文的主要工作和研究成果如下：
　　1.提出了一種基于觀測向量差的紋理分類方法。算法中，首先根據(jù)紋理分類與壓縮感知技術(shù)的各自特點(diǎn)，提出將觀測向量差作為最終紋理分類的特征向量的技術(shù)。其次，算法采用“詞袋”（bag of wo

3、rds）模型來給訓(xùn)練圖像和測試圖像建模，對(duì)比訓(xùn)練模板和測試模板就可以得到最終的分類率。實(shí)驗(yàn)結(jié)果表明，本文算法比傳統(tǒng)的濾波器組分類方法和直接用觀測向量做特征向量的方法擁有絕對(duì)優(yōu)勢，且具有更強(qiáng)的魯棒性。
　　2.提出了一種基于 Signature/EMD框架的壓縮感知紋理分類方法。算法中，首先，利用Signature局部特征分布表示方法，將聚類中心及其相應(yīng)的權(quán)值信息有效結(jié)合在一個(gè)簽名中，增加了圖像分類更多的判定信息。其次，利用陸地運(yùn)動(dòng)

4、距離（Earth Mover’s Distance，EMD）來度量圖像間的相似性。實(shí)驗(yàn)結(jié)果表明本算法和原有算法相比，采樣率越低，聚類個(gè)數(shù)越少反而精度越高，建模的時(shí)間復(fù)雜度遠(yuǎn)低于原有方法。
　　3.提出了一種基于zigzag掃描方式的觀測向量提取方法?；趬嚎s感知的紋理分類方法首先需要將一幅圖像轉(zhuǎn)換成一個(gè)一維向量。通常做法是直接對(duì)圖像的列向量首尾相接，拉成一條長列向量。這樣的連接方式顯然打亂了圖像塊的橫向信息。為了改進(jìn)這一缺陷，本算

5、法采用zigzag掃描方式，與原有方法相比，減少了鄰域的平均間隔距離，從而保證了提取的觀測向量保持了更多的原始圖像信息，利于提高分類率。實(shí)驗(yàn)證明了這種掃描方式的有效性。同時(shí)也說明，在圖像轉(zhuǎn)換成一維信號(hào)過程中，不同的掃描方式確實(shí)能夠影響最后的分類結(jié)果。在這個(gè)問題上，本章做了一次較為成功地嘗試。
　　本文工作得到了國家自然科學(xué)基金（No.60971128）；華為創(chuàng)新研究計(jì)劃項(xiàng)目(No. IRP-2011-03-04)資助。