基于支持向量机的极化sar图像特征选择与分类研究.doc

基于支持向量机的极化SAR图像特征选择与分类研究

2.34万字 71页 原创作品，已通过查重系统


摘 要
合成孔径雷达具有全天候、全天时、不受天气影响、穿透性强等优点，在遥感领域有着广泛的应用。极化合成孔径雷达接收天线在不同极化方式组合下探测地表回波信息，具有数据丰富等优点，是现阶段的研究热点。极化合成孔径雷达可以通过组合不同的极化方式，对散射矩阵做不同处理以获取不同的参数影像。由于全极化SAR数据是以散射矩阵的形式存储的，与传统光学影像存在着较大差异，而如何对极化SAR图像进行图像分类也与之有一定的相关性。
本文从极化参数入手，通过分析其物理意义和比较不同的极化影像，得出相关的极化特征，运用这些极化特征组成的特征集进行基于支持向量机的特征选择，再将优化选择后的极化特征集进行极化SAR图像分类。主要研究内容如下：
（1）分析极化SAR影像的数据存储格式及物理意义，采用极化目标分解算法提取极化散射矩阵并得到描述地物目标不同散射特性的多种极化特征参数，分析不同极化特征参数对不同极化散射特性的敏感度。
（2）针对本文研究重点——支持向量机方法，该方法对小的训练样本具有良好的泛化能力。本文以支持向量个数作为评估准则，采用序列前向选择的方法对描述地物的各种极化特征进行优化选择，获得最优的极化参数特征集。同时，分析不同支持向量机参数对分类的影响，并通过比较不同参数情况下图像的分类效果选取合适的支持向量机参数。在此基础上，本文采用旧金山地区和天津某地区全极化雷达影像进行基于支持向量机的特征选择与图像分类。
（3）将基于支持向量机的极化SAR图像特征选择后的分类效果图与传统分类方法分类的效果图进行比较和相关数据分析，发现基于支持向量机的极化SAR图像分类效果较好，可以有效地减少类与类之间的误分。可得出结论，基于支持向量机的极化SAR图像分类效果优于传统的分类方法。



关键词：支持向量机；极化SAR；特征选择；分类