SAR图像蕴藏着广泛的应用前景,SAR图像分类是众多SAR图像应用的基础和前提。但斑点噪声的存在使得直接对含噪SAR图像的精确分类十分困难,为了提供大尺度含噪SAR图像的快速、精确分类的新技术、新理论、新方法,本项目提出了图模型的多尺度分析框架:多尺度Bayes网络和多尺度Bayes相关图模型,针对不同参数的SAR图像,研究构造SAR图像的多尺度Bayes网络、多尺度Bayes相关图模型的建模方法,包括结构学习、参数学习理论和推理方法、尺度递归的优化算法,进而研究大尺度含噪SAR图像的快速分类新技术;考虑到实际SAR图像数据信息的不完整性,进一步研究基于不安全数据的上述两种模型的建模方法和分类方法。最后对各新模型、新算法的性能进行分析比较。
{{i.achievement_title}}
数据更新时间:2023-05-31
基于铁路客流分配的旅客列车开行方案调整方法
针对弱边缘信息的左心室图像分割算法
一种基于多层设计空间缩减策略的近似高维优化方法
基于多色集合理论的医院异常工作流处理建模
基于改进LinkNet的寒旱区遥感图像河流识别方法
融合概率图模型与深度学习的图像序列分类
SAR图像多尺度配准的图理论与统计方法研究
多尺度非线性随机模型的理论与SAR图像无监督分割
基于多尺度统计模型的SAR图像海洋表面油膜检测