基于支持向量機(jī)的SAR目標(biāo)分類識別.pdf_第1頁
已閱讀1頁，還剩61頁未讀， 繼續(xù)免費(fèi)閱讀

下載本文檔

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(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

1、圖像解譯作為合成孔徑雷達(dá)（SAR）技術(shù)的重要研究內(nèi)容，一直受到國內(nèi)外研究機(jī)構(gòu)的廣泛關(guān)注。目標(biāo)分類識別是實(shí)現(xiàn)圖像解譯的關(guān)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(biāo)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(jī)在目標(biāo)分類識別中具有計(jì)算簡單、高維樣本處理能力強(qiáng)等突出特點(diǎn)，將支持向量機(jī)應(yīng)用到SAR圖像解譯中已成為目前國際國內(nèi)的研究熱點(diǎn)。
　　本文針對基于支持向量機(jī)的SAR圖像目標(biāo)分類識別面臨的關(guān)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(jī)的基本理論，分析了非線性分類和多類目標(biāo)分類的策略，將支持向量機(jī)引入SAR圖像目標(biāo)分類識別的應(yīng)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(jī)場（MRF）的圖像分割算法，包括基于最大后驗(yàn)概率的 MRF分割體系、后驗(yàn)?zāi)芰亢瘮?shù)最優(yōu)化方法等。并且，利用MSTAR坦克目標(biāo)數(shù)據(jù)切片進(jìn)行了分割實(shí)驗(yàn)對比。
　　3、針對高精度SAR圖像分割問題后驗(yàn)?zāi)芰亢瘮?shù)最優(yōu)化問

3、題，研究了ICM，Gibbs采樣，SA，MMD四種常用的后驗(yàn)?zāi)芰亢瘮?shù)最優(yōu)化算法，并利用MSTAR坦克目標(biāo)數(shù)據(jù)切片數(shù)據(jù)進(jìn)行了實(shí)驗(yàn)對比，得出了各種算法的優(yōu)缺點(diǎn)。
　　4、針對SAR目標(biāo)分類識別中的目標(biāo)方位角估計(jì)問題，使用了不進(jìn)行角度分組對目標(biāo)方位角進(jìn)行估計(jì)的方法，使方位角估計(jì)精度有很大提高。并利用MSTAR軍事坦克目標(biāo)實(shí)測回波數(shù)據(jù)進(jìn)行了驗(yàn)證。
　　5、針對SAR目標(biāo)分類識別問題，利用主成分特征做基于支持向量機(jī)進(jìn)行SAR目標(biāo)分類識

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(hù)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(shí)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。

評論

0/150

提交評論