超高维度sar图像的分类方法研究仿真

超高维度sar图像的分类方法研究仿真

ID:5308777

大小:540.52 KB

页数:4页

时间:2017-12-07

超高维度sar图像的分类方法研究仿真_第1页
超高维度sar图像的分类方法研究仿真_第2页
超高维度sar图像的分类方法研究仿真_第3页
超高维度sar图像的分类方法研究仿真_第4页
资源描述:

《超高维度sar图像的分类方法研究仿真》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、第3O卷第12期计算机仿真2013年12月文章编号:1006—9348(2013)12—0399—04超高维度SAR图像的分类方法研究仿真朱海峰(南通大学,电子信息学院,江苏南通226019)摘要:研究合成孔径雷达图像问题,传统的合成孔径雷达图像的分类方法,通常用于处理低维度的图像关联特征,而超高维度雷达图像特征间的相关度很小,使得获取的分类结果存在混淆和随机性问题。为提高图像质量,提出了一种特征提取与自适应划分的超高维度合成孔径雷达图像的分类方法,采集的特征集包括图像的Pauli特征、相干矩阵特征、

2、小波特征以及纹理特征。采用自适应划分方法对原始特征数据进行降维处理,通过支持向量机分类器进行图像分类,获取最终的分类结果。实验结果表明,提出的算法能够对超高维度合成孔径雷达图像进行准确的分类,并且具有较高的分类精确度。关键词:超高维度;合成孔径雷达;自适应划分;图像分类中图分类号:TP311文献标识码:BSimulationonclassificationmethodofHighdimensionalSARimagezHUHai—feng(SchoolofElectronicsandInformati

3、on,NantongUniversity,NantongJiangsu226019,China)ABSTRACT:Inthispaper,theproblemofsyntheticape~ureradarimagewasresearched.Thetraditionalclassifica-tionmethodsofsyntheticapertureradarimagearetypicallyusedtohandlelow—dimensionalimagerelatedfeatures.However

4、,thefeaturescorrelationofhighdimensionalradarimageisverysmall,SOthattheobtainedclassificationre—suitsareconfusionandrandomness.Toimproveimagequality,weproposedanewclassificationmethodofhighdi—mensionsyntheticapertureradarimagebasedonfeatureextractionand

5、adaptivedivision.Thecapturefeaturesetin—cludesPaulifeaturesofimage,coherentmatrixcharacteristics,waveletfeaturesandtexturefeatures.Thedimension-alityreductionoforiginaldatawascarriedoutwithadaptiveclassificationmethod.Finally,usingsuppo~vectorma-chinecl

6、assifierforimageclassificationcanobtainclassificationresult.Experimentalresultsshowthattheproposedalgorithmcanaccuratelyclassifythehighdimensionalsyntheticapertureradarimagesandhashigherclassificationae-curacy·KEYWORDS:Highdimension;Syntheticaperturerad

7、ar(SAR);Adaptivepartitioning;Imageclassification续采用的数字操作方法融人新特征,如小波特征、相关特征、1引言纹理特征等,将影响分类器训练的正常运行,大规模特征维合成孔径雷达的图像分类,具有重要意义”r2J。其能够数会降低分类器训练的准确性,削弱分类器的分类性能。传自主识别出敌方设备的像素,为我方侦查提供可靠的依据;统的合成孔径雷达图像的分类方法J,通常用于处理低维在地质分析领域中,能够自主搜索出相关的煤炭资源。传统度的图像特征,如果雷达图像的维度较大,传

8、统方法则无法分类方法大都依据像素进行相关的分析,先构建像素自身准确分析变量间的相关度,使得获取的分类结果存在混淆和的特征,再塑造分类器,依据图像对应的地面实际状态,对分随机性问题。类器进行分析,采用最佳的分类器研究未知图像,获取未知为了解决上述问题,本文提出了一种基于特征提取与自图像的分类预测结果。适应划分的方法,特征集包括图像的Pauli特征、相干矩阵特依据超高度合成孔径雷达的成像原理可得,该种图像包征、小波特征以及纹理特征。通过自适应划分方法,对原始

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。