多尺度概率图模型与SAR图像分类的研究

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。