基于支持向量機的SAR圖像目標識別.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，在國民經濟和軍事領域中都有著廣泛的應用。如何對SAR圖像進行快速、準確地解譯越來越引起人們的關注和重視。將機器學習領域新的研究成果應用到雷達目標識別中并構造有效的分類器具有重要的意義。建立在統計學習理論基礎之上的支持向量機方法(SVM)被看作是對傳統學習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圖像目標識別的研究現狀，總結出其中的關鍵技術和一般流程；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、平移和尺度不變性；將支持向量機方法應用于SAR圖像目標識別，該方法在小樣本、非線性情況下能夠達到較高的識別率；對傳統支持向量機訓練算法進行了改進：即利用SVM訓練中支持向量的分布特點，采用預先提取邊界向量和循環(huán)迭代的方