版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認(rèn)領(lǐng)
文檔簡介
1、海冰是全球氣候系統(tǒng)的重要因子,為開展航運交通、海洋資源開發(fā)等工作,必須加強對海冰的監(jiān)測和預(yù)報,合成孔徑雷達(Synthetic Aperture Radar,SAR)是監(jiān)測海冰的重要工具。
海冰圖像解譯常用的有效方法是海冰圖像分類。本文將基于馬爾可夫隨機場(Markov Random Field,MRF)的空間相關(guān)性引入支持向量機(Support VectorMachine,SVM)分類器。由于基于MRF的空間語境信息可提高場
2、景解譯的精確性,SVM針對高維、小樣本數(shù)據(jù)具有優(yōu)良的泛化能力和高效的分類性能,且能克服統(tǒng)計估計誤差的影響,故可以在SVM框架下利用MRF進行空間交互建模。本文從這一角度出發(fā),充分結(jié)合SVM與MRF在分類領(lǐng)域的優(yōu)點,提出了MRF-vSVC分類方法。
本方法首先將SAR海冰圖像區(qū)域化,獲取待分類樣本區(qū)域和邊緣信息,采集適量訓(xùn)練樣本子圖像,提取樣本區(qū)域的灰度和3個紋理統(tǒng)計量構(gòu)成特征向量。將訓(xùn)練數(shù)據(jù)輸入v-SVM,得到圖像初始分類標(biāo)記
3、。然后通過提出的雙閾值準(zhǔn)則判別邊緣強弱,針對模糊邊緣的區(qū)域?qū)⒏倪M的空間語境模型即邊緣語境模型引入v-支持向量機,修正v-SVM原始問題的偏差因子,求解相應(yīng)對偶問題的最優(yōu)解,最終得到分類結(jié)果。
本文方法與以往方法的不同具體體現(xiàn)在以下兩個方面:
(1)為提高分類算法對SAR海冰圖像非平穩(wěn)性的適應(yīng)能力,本文在區(qū)域水平,將基于鄰域的空間語境模型優(yōu)化為邊緣語境模型,構(gòu)造v-SVM的邊緣語境偏差因子,這樣就將基于MRF的邊緣語境
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 結(jié)合超像素和區(qū)域MRF的SAR海冰圖像分割方法研究.pdf
- 結(jié)合相干斑抑制和區(qū)域生長的SAR海冰圖像MRF分割方法研究.pdf
- SAR海冰圖像智能分類識別算法的研究.pdf
- 多分辨率SAR圖像海冰復(fù)合分類研究.pdf
- 基于SAR圖像分類的北極海冰密集度研究.pdf
- 基于冰況圖的北極SAR海冰圖像分類方法研究.pdf
- 基于MRF的極化SAR圖像分割方法研究.pdf
- SAR圖像降噪與極化SAR圖像監(jiān)督分類研究.pdf
- 基于空域MRF模型的SAR圖像分割方法研究.pdf
- 多波段全極化SAR海冰分類研究.pdf
- 基于MRF模型SAR圖像分割算法研究.pdf
- 基于目標(biāo)分解和SVM的POL-SAR圖像分類方法研究.pdf
- 結(jié)合極化特征和圖像特征的極化SAR圖像分類研究.pdf
- sar圖像降噪與極化sar圖像監(jiān)督分類研究
- 基于SVM與子空間結(jié)合的高光譜圖像分類算法研究.pdf
- 機載SAR圖像的海冰檢測方法的研究.pdf
- 基于冰情圖SAR海冰圖像分割.pdf
- 基于多頻段SAR極化數(shù)據(jù)的海冰分類研究.pdf
- 基于SVM的圖像分類.pdf
- 基于極化SAR目標(biāo)信息提取與SVM分類.pdf
評論
0/150
提交評論