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。