基于支持向量機(jī)的SAR目標(biāo)分類識(shí)別.pdf

1、圖像解譯作為合成孔徑雷達(dá)（SAR）技術(shù)的重要研究?jī)?nèi)容，一直受到國(guó)內(nèi)外研究機(jī)構(gòu)的廣泛關(guān)注。目標(biāo)分類識(shí)別是實(shí)現(xiàn)圖像解譯的關(guān)鍵過(guò)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(duì)目標(biāo)分類識(shí)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(shí)別中具有計(jì)算簡(jiǎn)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(guó)際國(guó)內(nèi)的研究熱點(diǎn)。
　　本文針對(duì)基于支持向量機(jī)的SAR圖像目標(biāo)分類識(shí)別面臨的關(guān)鍵問(wèn)題開(kāi)展了深入

2、研究，主要研究?jī)?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(shí)別的應(yīng)用中。
　　2、針對(duì)高精度SAR圖像分割問(wèn)題，研究了基于馬爾科夫隨機(jī)場(chǎng)（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(duì)比。
　　3、針對(duì)高精度SAR圖像分割問(wèn)題后驗(yàn)?zāi)芰亢瘮?shù)最優(yōu)化問(wèn)

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(duì)比，得出了各種算法的優(yōu)缺點(diǎn)。
　　4、針對(duì)SAR目標(biāo)分類識(shí)別中的目標(biāo)方位角估計(jì)問(wèn)題，使用了不進(jìn)行角度分組對(duì)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(cè)回波數(shù)據(jù)進(jìn)行了驗(yàn)證。
　　5、針對(duì)SAR目標(biāo)分類識(shí)別問(wèn)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(shí)