基于支持向量機(jī)的SAR圖像目標(biāo)識(shí)別.pdf

1、合成孔徑雷達(dá)(SAR)具有全天候、遠(yuǎn)距離、極強(qiáng)的穿透力和高分辨率等特點(diǎn)，在國(guó)民經(jīng)濟(jì)和軍事領(lǐng)域中都有著廣泛的應(yīng)用。如何對(duì)SAR圖像進(jìn)行快速、準(zhǔn)確地解譯越來(lái)越引起人們的關(guān)注和重視。將機(jī)器學(xué)習(xí)領(lǐng)域新的研究成果應(yīng)用到雷達(dá)目標(biāo)識(shí)別中并構(gòu)造有效的分類器具有重要的意義。建立在統(tǒng)計(jì)學(xué)習(xí)理論基礎(chǔ)之上的支持向量機(jī)方法(SVM)被看作是對(duì)傳統(tǒng)學(xué)習(xí)分類方法的一個(gè)好的替代，特別是在小樣本、高維和非線性情況下，具有較好的泛化性能。 本文基于支持向量機(jī)對(duì)SA

2、R圖像的目標(biāo)特征提取和分類識(shí)別方法進(jìn)行了較為深入的研究，所做的工作主要有：綜述了SAR圖像目標(biāo)識(shí)別的研究現(xiàn)狀，總結(jié)出其中的關(guān)鍵技術(shù)和一般流程；研究了基于SAP圖像形狀特征的Hu不變矩特征提取的方法，該方法的優(yōu)勢(shì)是具有旋轉(zhuǎn)、平移和尺度不變性；將支持向量機(jī)方法應(yīng)用于SAR圖像目標(biāo)識(shí)別，該方法在小樣本、非線性情況下能夠達(dá)到較高的識(shí)別率；對(duì)傳統(tǒng)支持向量機(jī)訓(xùn)練算法進(jìn)行了改進(jìn)：即利用SVM訓(xùn)練中支持向量的分布特點(diǎn)，采用預(yù)先提取邊界向量和循環(huán)迭代的方