基于Contourlet变换和SVM的SAR图像目标识别.pdfVIP

2010年第11期 中图分类号：rrP301 文献标识码：A 文章编号：1009—2552(2010)11—0105—02 基于 Contourlet变换和 SVM的SAR图像 目标识别 蒋 媛 (1．电子科技大学电子工程学院，成都610064；2．陕西理3-学院物理系，汉中723001) 摘 要：针对SAR图像具有斑点噪声，特征提取较难的特点，提出了基于Contourlet变换和SVM 的SAR图像 目标识别分类算法。该算法的在特征提取时利用了Contourlet域的标准偏差进行特征 提取的方法，后端用支持向量机分类器，提高分类精度。实验结果证明该分类算法能够减少 SVM的特征维数，具有较好的分类性能。 关键词：SAR图像；支持向量机；图像处理；目标分类 Research ontargetrecognition forSAR imagebasedon contourlettransform andSVM JIANGYuanI (1．SchoolofElectronicEngineering，UniversityofElectronicScienceandTechnologyofChina，Chengdu 610064，China；2．PhysicsDepartment，ShanxlUniversiyt ofTcehnology，Hanzhong723001，China) Abstract：SAR imagewith specklenoise，featureextractionmoredifficult，itwasproposedContourlet transform and SVM based on theSAR image targetrecognition classification algorihtm．The feature exrtactionalgorithm usedinthestandard deviation ofcontourletdomainfeatureexrtactionmehtod，hte back—endsupportvectormachineclassifiers，improvingclassificationaccuracy．Th eexperimental results show htathte SVM classfiication algorithm reducesthe feature dimension，wiht better classification perfomr ance． Keywords：SAR image；supportvectormachine；imageprocessing；targetclassification 0 引言 沿街树丛的道路呈明亮的条带、农 田多呈较规则的 在对 SAR图像的 目标识别研究中，预处理是基 方块。在高分辨率 SAR图像中，飞机呈近十字状、 础，特征提取是关键，模式分类是保障。选择的特征 船只呈梭状、车辆呈方形等。数学结构形态学是区 是否合适，对分类器的设计和性能有很大的影响，特 域内部空间域分析的一种重要方法。利用这一工 别是对于SAR图像，由于其特殊的成像方式，使得 具，可以提取区域形态的方向参数：广义方向直径、 它不像一般的光学图像能够比较完整地描述 目标的 方向投影宽度、方向凹度等。还可提取区域形状的 整体形状，而是表现为稀疏的散射中心分布，对成像 整体参数：面积、周长、转折度、圆度、整体凹度、欧拉 的方位比较敏感。此外由于合成孔径雷达对 目标产 数等。 生的成像数据量很大，而 目标图像的大小相对于图 对SAR图像中目标的识别经常采用几何特征、 像的尺寸又比较小，对正确识别 目标非常不利。因 形状特征和统计特征