基于支持向量機(jī)的合成孔徑雷達(dá)圖像分割.pdf

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