結(jié)合MRF與ν-SVM的SAR海冰圖像分類.pdf

1、海冰是全球氣候系統(tǒng)的重要因子，為開展航運(yùn)交通、海洋資源開發(fā)等工作，必須加強(qiáng)對海冰的監(jiān)測和預(yù)報(bào)，合成孔徑雷達(dá)(Synthetic Aperture Radar，SAR)是監(jiān)測海冰的重要工具。
　　海冰圖像解譯常用的有效方法是海冰圖像分類。本文將基于馬爾可夫隨機(jī)場(Markov Random Field，MRF)的空間相關(guān)性引入支持向量機(jī)(Support VectorMachine，SVM)分類器。由于基于MRF的空間語境信息可提高場

2、景解譯的精確性，SVM針對高維、小樣本數(shù)據(jù)具有優(yōu)良的泛化能力和高效的分類性能，且能克服統(tǒng)計(jì)估計(jì)誤差的影響，故可以在SVM框架下利用MRF進(jìn)行空間交互建模。本文從這一角度出發(fā)，充分結(jié)合SVM與MRF在分類領(lǐng)域的優(yōu)點(diǎn)，提出了MRF-vSVC分類方法。
　　本方法首先將SAR海冰圖像區(qū)域化，獲取待分類樣本區(qū)域和邊緣信息，采集適量訓(xùn)練樣本子圖像，提取樣本區(qū)域的灰度和3個紋理統(tǒng)計(jì)量構(gòu)成特征向量。將訓(xùn)練數(shù)據(jù)輸入v-SVM，得到圖像初始分類標(biāo)記

3、。然后通過提出的雙閾值準(zhǔn)則判別邊緣強(qiáng)弱，針對模糊邊緣的區(qū)域?qū)⒏倪M(jìn)的空間語境模型即邊緣語境模型引入v-支持向量機(jī)，修正v-SVM原始問題的偏差因子，求解相應(yīng)對偶問題的最優(yōu)解，最終得到分類結(jié)果。
　　本文方法與以往方法的不同具體體現(xiàn)在以下兩個方面:
　　(1)為提高分類算法對SAR海冰圖像非平穩(wěn)性的適應(yīng)能力，本文在區(qū)域水平，將基于鄰域的空間語境模型優(yōu)化為邊緣語境模型，構(gòu)造v-SVM的邊緣語境偏差因子，這樣就將基于MRF的邊緣語境