[00120094]基于支持向量机的合成孔径雷达图像分割与目标识别

自SAR问世以来,它就被广泛地应用于各个领域。在军事侦察方面,它是战场和战术侦察方面的有力工具;在矿物质资源勘探方面,SAR 可用来研究地质、岩石及矿物分布;在地形测绘和制图学方面,它可用来测绘大面积地形图,研究城市变迁道路变迁,了解道路运输状况等;在海洋应用方面,可用它来研究大面积海浪特性、研究海冰分布、测绘海洋图等;在水资源方面。它可用来测定土壤湿度及其分布、估测降水量、研究水源污染情况。因此对SAR图像的分割和识别方面的研究成果直接关系到SAR在诸领域的应用,具有良好的应用前景和效益。 本项目的研究目标是将支持向量机用于SAR图像的去噪、分割和目标识别中,完成基于支持向量机的SAR图像分割和目标识别算法的设计与实现。本项目研究成果如下： （1）结合小波变换提取纹理特征方面的显著效果和SVM方法的优势,提出一种有效的SAR图像分割方法。该方法利用小波变换提取样本点周围的纹理特征,用小波能量特征和去噪后样本点的八领域灰度值构成样本点的特征向量来训练SVM。 （2）结合不变矩特征提取和SVM方法的优势,提出一种有效的SAR图像目标识别方法。该方法使用Hu的7个不变矩加上三个仿射不变矩作为目标的特征向量来训练SVM。 （3）对传统支持向量机训练算法进行改进,采用预先提取边界向量和循环迭代的方法进行训练,以减小训练样本规模,提高训练速度。