2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩56頁未讀 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)

文檔簡介

1、合成孔徑雷達(dá)(SAR)圖像分割是SAR 圖像應(yīng)用中非常重要的一個環(huán)節(jié),但由于SAR圖像中相干斑噪聲的存在和特征選擇不當(dāng),使得傳統(tǒng)方法不能很好的對SAR 圖像進(jìn)行分割。因此,將機(jī)器學(xué)習(xí)領(lǐng)域中新的研究成果應(yīng)用到SAR 圖像分割中并構(gòu)造有效的分類器具有重要的意義。
   本文基于支持向量機(jī)(SVM)對SAR 圖像的特征提取和分割方法進(jìn)行了較為深入的研究。主要內(nèi)容如下:
   首先,對SAR 圖像分割的背景及意義進(jìn)行了介紹,分析

2、了SAR 圖像分割的研究現(xiàn)狀與發(fā)展趨勢;對統(tǒng)計學(xué)習(xí)理論與支持向量機(jī)的基本理論進(jìn)行了闡述;對合成孔徑雷達(dá)和其中存在的相干斑噪聲進(jìn)行了研究,為圖像處理提供了理論依據(jù)。
   其次,本文結(jié)合小波變換在提取紋理特征、圖像去噪方面的顯著效果和支持向量機(jī)分類方法的優(yōu)勢,實現(xiàn)了一種基于支持向量機(jī)的單目標(biāo)SAR 圖像分割方法。該方法先利用小波變換提取樣本點(diǎn)周圍的紋理特征,再對圖像進(jìn)行去噪處理;用小波能量特征及其加權(quán)平均值、去噪后樣本點(diǎn)的灰度值和

3、它的八鄰域灰度值共同構(gòu)成樣本點(diǎn)的綜合特征,利用歸一化后的特征向量來訓(xùn)練SVM;然后利用訓(xùn)練得到的SVM 對圖像的每個像素點(diǎn)進(jìn)行分類,從而實現(xiàn)SAR 圖像的單目標(biāo)分割。實驗表明,該方法對于單目標(biāo)SAR圖像進(jìn)行分割,具有較好的分割效果。
   最后,探索了一種基于支持向量機(jī)的多目標(biāo)SAR 圖像分割方法。在人工提取樣本后,將綜合特征作為特征向量來訓(xùn)練得到多類支持向量機(jī),利用該SVM 實現(xiàn)多目標(biāo)SAR圖像的分割。其中,在由兩類分類推廣到

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論