基于支持向量機的SAR圖像目標(biāo)識別.pdf

1、合成孔徑雷達(SAR)具有全天候、遠距離、極強的穿透力和高分辨率等特點，在國民經(jīng)濟和軍事領(lǐng)域中都有著廣泛的應(yīng)用。如何對SAR圖像進行快速、準(zhǔn)確地解譯越來越引起人們的關(guān)注和重視。將機器學(xué)習(xí)領(lǐng)域新的研究成果應(yīng)用到雷達目標(biāo)識別中并構(gòu)造有效的分類器具有重要的意義。建立在統(tǒng)計學(xué)習(xí)理論基礎(chǔ)之上的支持向量機方法(SVM)被看作是對傳統(tǒng)學(xué)習(xí)分類方法的一個好的替代，特別是在小樣本、高維和非線性情況下，具有較好的泛化性能。 本文基于支持向量機對SA

2、R圖像的目標(biāo)特征提取和分類識別方法進行了較為深入的研究，所做的工作主要有：綜述了SAR圖像目標(biāo)識別的研究現(xiàn)狀，總結(jié)出其中的關(guān)鍵技術(shù)和一般流程；研究了基于SAP圖像形狀特征的Hu不變矩特征提取的方法，該方法的優(yōu)勢是具有旋轉(zhuǎn)、平移和尺度不變性；將支持向量機方法應(yīng)用于SAR圖像目標(biāo)識別，該方法在小樣本、非線性情況下能夠達到較高的識別率；對傳統(tǒng)支持向量機訓(xùn)練算法進行了改進：即利用SVM訓(xùn)練中支持向量的分布特點，采用預(yù)先提取邊界向量和循環(huán)迭代的方