基于支持向量機的SAR圖像增強與分類.pdf

1、合成孔徑雷達(dá)因其全天候和高分辨率成像的特點，近年來得以快速發(fā)展。與此同時，隨著近代的計算機技術(shù)和先進的數(shù)字信號處理技術(shù)的發(fā)展，合成孔徑雷達(dá)在許多領(lǐng)域得到廣泛的應(yīng)用，如大地遙感和測繪、大地資源探測、災(zāi)情預(yù)報、軍事指揮以及國民經(jīng)濟的其它方面。由于SAR相干成像方式使得SAR圖像中存在顯著的相干斑噪聲，降低了圖像質(zhì)量，影響了后續(xù)目標(biāo)檢測、分類和識別等應(yīng)用，因此SAR圖像的相干斑抑制一直是合成孔徑雷達(dá)技術(shù)領(lǐng)域重要課題之一。 支持向量機(

2、Support Vector Machines，SVM)是Vapnik等人基于統(tǒng)計學(xué)理論基礎(chǔ)上提出的新一代學(xué)習(xí)系統(tǒng)的一類新型機器學(xué)習(xí)方法。由于其出色的學(xué)習(xí)性能，該技術(shù)已成為機器學(xué)習(xí)領(lǐng)域的研究熱點，并在實際當(dāng)中得到了一定廣泛的應(yīng)用，如人臉檢測、手寫體數(shù)字識別、文本分類等。SVM作為一種新興技術(shù)，在很多領(lǐng)域的研究有待探索和完善。 本文針對雷達(dá)數(shù)據(jù)的特點，首先將圖像數(shù)據(jù)通過支持向量回歸濾波網(wǎng)處理，達(dá)到最大限度保留邊緣圖像信息同時濾除噪

3、聲，然后根據(jù)分類理論與技術(shù)，研究某一類特定目標(biāo)的分類方法。 主要研究內(nèi)容有： (1)本文分析去除相干斑的一些基本算法，深入研究了利用支持向量回歸技術(shù)構(gòu)造濾波網(wǎng)問題，并將濾波網(wǎng)模型應(yīng)用在SAR圖像增強處理中。通過實驗證明支持向量回歸濾波網(wǎng)絡(luò)在SAP,圖像增強方面的實用性，為下一步的目標(biāo)分類工作提供了基礎(chǔ)。 (2)通過分析核函數(shù)與SVM分類器性能之間的關(guān)系，選擇組合核函數(shù)構(gòu)造SVM分類器，并將其運用在SAR圖像分類中