基于小波變換的SAR圖像特征提取與識(shí)別研究.pdf

1、合成孔徑雷達(dá)(SAR)具有高分辨率、遠(yuǎn)距離、全天候和穿透力強(qiáng)等特點(diǎn)，它是一種高空視覺(jué)系統(tǒng)，能夠采集到大量對(duì)人類生產(chǎn)和生活有意義的信息。近年來(lái)，SAR圖像的目標(biāo)識(shí)別一直是國(guó)內(nèi)外研究的重點(diǎn)和熱點(diǎn)。傅立葉變換一直是圖像處理的基石，小波變換是傅立葉變換的發(fā)展和拓展。本文基于小波變換對(duì)SAR圖像的識(shí)別做了深入研究，對(duì)SAR圖像處理過(guò)程中兩個(gè)重要部分:預(yù)處理和特征提取進(jìn)行改進(jìn)，以提高識(shí)別精度。
　　SAR圖像的識(shí)別要經(jīng)過(guò)圖像預(yù)處理，特征提取和

2、識(shí)別三個(gè)大步驟:在圖像預(yù)處理方面，本文采用了兩個(gè)方案對(duì)SAR圖像進(jìn)行預(yù)處理，方案之一是先對(duì)SAR圖像去噪，接著對(duì)去噪后的圖像進(jìn)行分割;方案之二是先對(duì)圖像去噪，去噪之后以目標(biāo)為中心，去除一部分的背景，接著對(duì)圖像進(jìn)行歸一化處理;特征提取方面，首先，提取12個(gè)Hu特征，Gabor特征，灰度共生矩陣特征和FFT特征，通過(guò)特征融合和PCA、BPSO算法降維證明了以上四個(gè)特征對(duì)SAR圖像的識(shí)別效果有限。其次，對(duì)SAR圖像進(jìn)行小波變換后提取特征做識(shí)別

3、，在此基礎(chǔ)上，嘗試所有可用的小波函數(shù)，對(duì)SAR圖像識(shí)別這個(gè)具體問(wèn)題上小波函數(shù)的選擇嘗試給出一些指導(dǎo)意見(jiàn)。最后，比較了基于小波變換提取特征和其他方法提取特征在小樣本實(shí)驗(yàn)數(shù)據(jù)下的識(shí)別效果。圖像識(shí)別方面，采用的是在分類上問(wèn)題上表現(xiàn)較好的支持向量機(jī)(SVM)分類器。
　　實(shí)驗(yàn)表明，12個(gè)Hu特征，Gabor特征，灰度共生矩陣特征和FFT特征單獨(dú)做識(shí)別的最好平均識(shí)別率為91.88％，但是其中裝甲車(BTR70)的識(shí)別率僅為88.08％;基于