基于支持向量機(jī)的SAR圖像增強(qiáng)與分類(lèi).pdf

1、合成孔徑雷達(dá)因其全天候和高分辨率成像的特點(diǎn)，近年來(lái)得以快速發(fā)展。與此同時(shí)，隨著近代的計(jì)算機(jī)技術(shù)和先進(jìn)的數(shù)字信號(hào)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(cè)繪、大地資源探測(cè)、災(zāi)情預(yù)報(bào)、軍事指揮以及國(guó)民經(jīng)濟(jì)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(cè)、分類(lèi)和識(shí)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(jī)(

2、Support Vector Machines，SVM)是Vapnik等人基于統(tǒng)計(jì)學(xué)理論基礎(chǔ)上提出的新一代學(xué)習(xí)系統(tǒng)的一類(lèi)新型機(jī)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(jī)器學(xué)習(xí)領(lǐng)域的研究熱點(diǎn)，并在實(shí)際當(dāng)中得到了一定廣泛的應(yīng)用，如人臉檢測(cè)、手寫(xiě)體數(shù)字識(shí)別、文本分類(lèi)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(duì)雷達(dá)數(shù)據(jù)的特點(diǎn)，首先將圖像數(shù)據(jù)通過(guò)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(shí)濾除噪

3、聲，然后根據(jù)分類(lèi)理論與技術(shù)，研究某一類(lèi)特定目標(biāo)的分類(lèi)方法。 主要研究?jī)?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(wèn)題，并將濾波網(wǎng)模型應(yīng)用在SAR圖像增強(qiáng)處理中。通過(guò)實(shí)驗(yàn)證明支持向量回歸濾波網(wǎng)絡(luò)在SAP,圖像增強(qiáng)方面的實(shí)用性，為下一步的目標(biāo)分類(lèi)工作提供了基礎(chǔ)。 (2)通過(guò)分析核函數(shù)與SVM分類(lèi)器性能之間的關(guān)系，選擇組合核函數(shù)構(gòu)造SVM分類(lèi)器，并將其運(yùn)用在SAR圖像分類(lèi)中