基于主动学习的SAR图像分类方法研究-控制科学与工程专业论文.docxVIP

万方数据 万方数据 上海交通大学硕士学位论文 上海交通大学硕士学位论文 基于主动学习的 SAR 图像分类方法研究 摘要 合成孔径雷达（Synthetic Aperture Radar，SAR）图像地物分类是 SAR 图像解译中的一个重要研究内容，地物分类严重依赖于训练样本 的数量以及质量。SAR 图像所见非所得，SAR 图像样本真值获取困难。 如何利用少量的训练样本提高 SAR 图像分类正确率是当前研究的一 个热点问题。本文将主动学习方法用于 SAR 图像地物分类，主要工作 与贡献如下： 1) SAR 图像真值标注规范研究。SAR 图像标注是 SAR 图像处理 中经常被忽视的一个研究内容，然而 SAR 图像标注却是必不可少的研 究内容。本文归纳了 SAR 图像标注的规范以及流程，针对具体歧义性 问题给出了详细的解决办法。该标注规范具有可操作性。 2) 提出一种基于局部区域样本选择的 SAR 图像主动学习方法。充 分考虑不同样本标注成本上的差异，通过量化不同区域样本的标注成 本，实现对样本挑选的约束，以降低标注成本。 3) 提出了一种结合半监督学习与样本迁移的主动学习方法。通过 在 q??查询函数中引入带约束的半监督学习，充分利用未标注样本的信 息，而不必对挑选出来的目标域样本进行逐个标记，进一步减少标记 成本。 4) 实现了一个 SAR 图像分类软件平台。以基于主动学习的 SAR 图像地物分类基本算法为框架，设计实现了 SAR 图像分类软件平台系 统。具有图像主动学习与迁移学习的基本功能。平台在设计时候充分 考虑了系统的开放性与可扩展性。 关键词：合成孔径雷达，地物分类，标注成本，主动学习，样本迁移 I RESEARCH ON SAR IMAGES CLASSIFICATION BASED ON ACTIVE LEARNING ABSTRACT SAR image classification is an essential part and key technology for SAR image interpretation, but the existing methods rely too much on the amount and the quality of the available reference samples. SAR images do not look like what they are so the labeling procedure costs very much. So how to exploit more useful information from a limited number of labeled samples to reduce labeling cost urgently needs to be solved. In this paper, we focus on the efficiency of Active Learning when applied to the field of SAR image classification. The main work accomplished in this paper are as follows: We study the standard and procedures of the labeling process. The labeling of samples is one of the most delicate phase for the success of SAR image classification though it is usually ignored by researchers. In this paper, we summarized the standard and procedures of the labeling process and detailed the steps to solve the ambiguity problems we may encounter. We propose a novel AL SAR image classification based on local area after taking a full consideration of the cost difference between labeling loads of different samples. By quantifying the labeling cost of different samples, we can select the informative sam