论文部分内容阅读
SAR（Synthetic Aperture Radar,合成孔径雷达）是一种主动式微波传感器,在成像雷达中占有十分重要的地位，已被广泛应用于国民经济、国防和科学研究等诸多领域。目前，基于SAR图像数据的地面场景分类与解译已经成为一个研究热点。本文对SAR图像特征提取和SAR图像分类两个方面进行深入的研究，主要研究内容如下所述：1.针对SAR图像纹理特征的提取，分析比较了传统的GLCM（Grey LevelCo-occurrence Matrix，灰度共生矩阵）算法及其一些改进算法，为解决这几种算法时间复杂度问题，本文利用FPGA（Field Programmable GateArray,现场可编程门阵列）的并行性能研究了GLCM纹理特征的并行快速提取算法。该算法利用FPGA的高速并行计算的优势来对SAR图像进行快速高效的纹理特征提取，尤其是对大幅SAR图像，特征提取的效率更高。并通过实验验证了基于FPGA的GLCM算法的高效性和精确性。2.在分析比较监督分类、无监督分类和半监督分类算法的基础上，结合NJW（Ng-Jordan-Weiss）谱聚类算法和PSO（Particle Swarm Optimization，粒子群优化）算法，本文提出了半监督粒子群谱聚类算法，比较各算法的性能，实现SAR图像的精确分类。并通过实验验证了本文提出的算法优于传统的NJW算法。