基于支持向量機的SAR目標分類識別.pdf

1、圖像解譯作為合成孔徑雷達（SAR）技術的重要研究內(nèi)容，一直受到國內(nèi)外研究機構的廣泛關注。目標分類識別是實現(xiàn)圖像解譯的關鍵過程，直接決定了圖像解譯的性能，高質(zhì)量的合成孔徑圖像解譯對目標分類識別的速度和精度提出了很高的要求。由于支持向量機在目標分類識別中具有計算簡單、高維樣本處理能力強等突出特點，將支持向量機應用到SAR圖像解譯中已成為目前國際國內(nèi)的研究熱點。
　　本文針對基于支持向量機的SAR圖像目標分類識別面臨的關鍵問題開展了深入

2、研究，主要研究內(nèi)容包括：
　　1、綜合闡述了支持向量機的基本理論，分析了非線性分類和多類目標分類的策略，將支持向量機引入SAR圖像目標分類識別的應用中。
　　2、針對高精度SAR圖像分割問題，研究了基于馬爾科夫隨機場（MRF）的圖像分割算法，包括基于最大后驗概率的 MRF分割體系、后驗能量函數(shù)最優(yōu)化方法等。并且，利用MSTAR坦克目標數(shù)據(jù)切片進行了分割實驗對比。
　　3、針對高精度SAR圖像分割問題后驗能量函數(shù)最優(yōu)化問

3、題，研究了ICM，Gibbs采樣，SA，MMD四種常用的后驗能量函數(shù)最優(yōu)化算法，并利用MSTAR坦克目標數(shù)據(jù)切片數(shù)據(jù)進行了實驗對比，得出了各種算法的優(yōu)缺點。
　　4、針對SAR目標分類識別中的目標方位角估計問題，使用了不進行角度分組對目標方位角進行估計的方法，使方位角估計精度有很大提高。并利用MSTAR軍事坦克目標實測回波數(shù)據(jù)進行了驗證。
　　5、針對SAR目標分類識別問題，利用主成分特征做基于支持向量機進行SAR目標分類識