论文部分内容阅读
海洋占地球表面的71%,它已经成为人类生存和发展不可缺少的重要环境。海洋中不仅资源丰富,开展的海上交通运输更已成为现今国际物流的重要手段。但海冰灾害给人类海上运输、海洋资源开发等都造成了重大影响,因此,开展海冰预报工作,已经成为了国家为国民、国防建设服务而开展的一个重要项目。合成孔径雷达(SAR, Synthetic Aperture Radar)是一种新兴的雷达,它利用雷达和目标相对运动的多普勒频移现象来提高分辨力,能够全天时、全天候的进行监测工作并能得到高分辨率SAR图像。随着我国合成孔径雷达的发展,对SAR的应用已经深入到军事领域和民用领域,现已经有部门把它逐步应用到海上目标的检测、海洋灾害预报以及海况监测等项目上本文首先对SAR海冰图像进行预处理,减小斑点噪声给图像处理造成的影响。然后确定以图像纹理特征作为训练的输入特征向量,最后对图像纹理特征进行学习和训练,以达到区分图像中海冰和海水进行的目的。本文在进行支持向量机(SVM, Support Vector Machine)训练之前,首先要确定输入的特征向量。根据灰度共生矩阵(GLCM)的特征,本文把能量、对比度、逆差矩、熵值和相关性作为5种特征向量,另外根据Canny算子算法,本文还把获得的边缘长度和6种边缘方向作为7种特征向量,最终把这12种特征向量组成一个12维特征向量作为机器学习的输入特征向量。之后利用Mercer定理的核函数,做多维SVM回归训练,得到海冰、海水、冰水混合区域纹理特征后进行回归实验。实验证明:(1)运用SRAD(Speckle Reducing Anisotropic Diffusion)滤波方法处理图像不仅能像Frost和Lee滤波方法等有效的保留图像上目标的特征,更能较好的保留图像的目标边缘。(2)支持向量机方法能有效的区分SAR海冰图像上的海水和海冰区域,并相比同类训练机有着更好的数据和理论支持,发展前景巨大。