论文部分内容阅读
合成孔径雷达作为一种可供选择的远距离对地观测途径,具有高分辨率、全天候、强透射等优点,在遥感、军事、水文、地矿等领域有着广泛的应用,得到了迅猛的发展,因而对SAR图像的分析处理也变得越来越重要,其中,SAR图像的分割是一个重要方面。目前的分割方法在对待高维特征,小样本等方面很难获得好的分割效果,主要表现为较差的推广能力,或者存在学习速度慢、难以收敛的缺点。再加上SAR是一种相干成像系统,因此要受其相干斑噪声的严重影响。本文采用支持向量机这种新方法对SAR图像进行分割。将原图像分成N×N的小块图像(子区域),计算每个子区域图像块的灰度均值、灰度中值和方差,作为小块图像的局部统计纹理特征共3个;计算各个子区域图像块的灰度共生矩阵特征共11个;将所有求得的特征值归一化到[-1,1]后,组成特征矢量,按照指定的格式作为训练输入样本,输入到支持向量机中进行训练建模,最后用训练好的分类器对SAR图像进行分割。其中,单目标图像可以直接实现分割。而对于多目标图像,本文采用改进的一对一的方法,将两类SVM推广到多类SVM,从而实现多目标SAR图像的分割。在单、多目标SAR图像的分割过程中,采用不同参数以及不同的特征组合方式来寻求最佳分类器,以求达到较好的分割效果且错误率较低,同时还对比了几种不同的分割方法来处理同一幅SAR图像的效果。经过分析比较发现,基于支持向量机的分割方法无论是在分割的准确性还是抗噪性方面都优于很多现有方法。