学位论文 > 优秀研究生学位论文题录展示

基于支持向量机的SAR目标分类识别

作 者: 王锟德
导 师: 杨晓波
学 校: 电子科技大学
专 业: 信号与信息处理
关键词: 目标分类识别 支持向量机 方位角估计 主成分特征
分类号: TN957.52
类 型: 硕士论文
年 份: 2011年
下 载: 116次
引 用: 0次
阅 读: 论文下载
 

内容摘要


图像解译作为合成孔径雷达(SAR)技术的重要研究内容,一直受到国内外研究机构的广泛关注。目标分类识别是实现图像解译的关键过程,直接决定了图像解译的性能,高质量的合成孔径图像解译对目标分类识别的速度和精度提出了很高的要求。由于支持向量机在目标分类识别中具有计算简单、高维样本处理能力强等突出特点,将支持向量机应用到SAR图像解译中已成为目前国际国内的研究热点。本文针对基于支持向量机的SAR图像目标分类识别面临的关键问题开展了深入研究,主要研究内容包括:1、综合阐述了支持向量机的基本理论,分析了非线性分类和多类目标分类的策略,将支持向量机引入SAR图像目标分类识别的应用中。2、针对高精度SAR图像分割问题,研究了基于马尔科夫随机场(MRF)的图像分割算法,包括基于最大后验概率的MRF分割体系、后验能量函数最优化方法等。并且,利用MSTAR坦克目标数据切片进行了分割实验对比。3、针对高精度SAR图像分割问题后验能量函数最优化问题,研究了ICM,Gibbs采样,SA,MMD四种常用的后验能量函数最优化算法,并利用MSTAR坦克目标数据切片数据进行了实验对比,得出了各种算法的优缺点。4、针对SAR目标分类识别中的目标方位角估计问题,使用了不进行角度分组对目标方位角进行估计的方法,使方位角估计精度有很大提高。并利用MSTAR军事坦克目标实测回波数据进行了验证。5、针对SAR目标分类识别问题,利用主成分特征做基于支持向量机进行SAR目标分类识别的方法。实验结果表明,该方法在不需要目标旋转到统一的标准位置进行配准的条件下就可以得到很高的识别率,但识别率随方位角间隔的增大有下降的趋势。此外,本文还利用AIRSAR系统的L波段旧金山海湾地区的全极化SAR数据开展了基于支持向量机的SAR目标分类识别监督实验,结果表明支持向量机在多类目标分类方面表现较好,具有分类速度快、精度高等优点。

全文目录


摘要  4-5
ABSTRACT  5-9
第一章 绪论  9-15
  1.1 研究背景和意义  9-10
  1.2 SVM 国内外研究现状  10-14
    1.2.1 基于SVM 的图像滤波  10-11
    1.2.2 基于SVM 的图像分割  11-12
    1.2.3 基于SVM 的极化SAR 分类  12-13
    1.2.4 基于SVM 的目标分类识别  13-14
  1.3 本文主要工作  14-15
第二章 支持向量机基本原理  15-25
  2.1 最小结构风险准则  15-17
  2.2 SVM 分类器原理  17-20
  2.3 核函数  20-21
  2.4 SVM 算法  21-22
  2.5 多类分类问题  22-23
  2.6 SVM 分类器参数求解  23-24
  2.7 SVM 分类识别基本流程  24
  2.8 本章小结  24-25
第三章 基于马尔科夫随机场的SAR 图像分割  25-36
  3.1 MAP-MRF 体系  25-27
  3.2 后验能量函数优化算法  27
  3.3 条件迭代算法  27-29
  3.4 Gibbs 采样算法  29-30
  3.5 SA 算法  30-32
  3.6 MMD 算法  32
  3.7 实验结果  32-35
    3.7.1 实验1—两类分割  32-33
    3.7.2 实验2—三类分割  33-35
  3.8 本章小结  35-36
第四章 基于支持向量机的SAR 目标识别  36-44
  4.1 数据源  36-38
  4.2 主成分分析  38-39
  4.3 基于SVM 目标识别的实验与结果  39-41
  4.4 基于模板匹配的目标识别  41
  4.5 基于模板匹配目标识别的实验与结果  41-43
  4.6 本章小结  43-44
第五章 基于支持向量机的极化SAR 分类  44-51
  5.1 数据源  45
  5.2 特征提取  45-48
  5.3 实验  48-50
  5.4 本章小结  50-51
第六章 总结与展望  51-53
  6.1 总结  51-52
    6.1.1 主要研究内容  51-52
    6.1.2 本文主要工作  52
  6.2 展望  52-53
致谢  53-54
参考文献  54-57
攻读硕士期间发表文章  57-58
附录A:heart_scale 部分样本数据  58-60
附录B: LIBSVM 的简要使用说明  60-61

相似论文

  1. 基于SVM的常压塔石脑油干点软测量建模研究,TE622.1
  2. 基于SVM的高速公路路面浅层病害的自动检测算法研究,U418.6
  3. 基于PCA-SVM的液体火箭发动机试验台故障诊断算法研究,V433.9
  4. 空间目标ISAR成像仿真及基于ISAR像的目标识别,TN957.52
  5. 音乐结构自动分析研究,TN912.3
  6. 基于三维重建的焊点质量分类方法研究,TP391.41
  7. 胆囊炎和肾病综合症脉象信号的特征提取与分类研究,TP391.41
  8. 直推式支持向量机研究及其在图像检索中的应用,TP391.41
  9. 基于SVM的中医舌色苔色分类方法研究,TP391.41
  10. 基于图像的路面破损识别,TP391.41
  11. 基于支持向量机的故障诊断方法研究,TP18
  12. 过程支持向量机及其在卫星热平衡温度预测中的应用研究,TP183
  13. 基于监督流形学习算法的固有不规则蛋白质结构预测研究,Q51
  14. 基于车载3D加速传感器的路况监测研究,TP274
  15. 高光谱图像技术诊断黄瓜病害方法的研究,S436.421
  16. 支持向量机回归在短期电力负荷预测中的应用研究,TM715;F224
  17. 面向文本分类的改进K近邻的支持向量机算法研究,TP391.1
  18. SAR成像目标识别子区选取与匹配方法研究,TN957.52
  19. 遗传算法的若干改进及其在支持向量机中的应用研究,TP18
  20. 面向三网融合的故障管理系统的研究及实现,TP315
  21. 基于失真效应的图像质量评价与分类,TP391.41

中图分类: > 工业技术 > 无线电电子学、电信技术 > 雷达 > 雷达设备、雷达站 > 雷达接收设备 > 数据、图像处理及录取
© 2012 www.xueweilunwen.com