基于SAR特征的正则化计算方法及其在纹理分类中的应用研究.pdfVIP

th Proceedings of the 25 Chinese Control Conference 7-11 August, 2006, Harbin, Heilongjiang 基于SAR特征的正则化计算方法及其在纹理分类中的应用 1 2 3 苏利敏 ，王耀威 ，王彦飞 1. 北京联合大学信息学院, 北京 100101 E-mail: limin.su@ 2. 北京理工大学电子工程系, 北京 100081 3. 中国科学院遥感技术研究所, 北京 100101 摘 要: 本文对于SAR (Simultaneous Autoregressive) 特征提出了正则化的计算方法。在通常的SAR特征的计算中 使用的LSE (Least Square Estimate)方法是不稳定的。已有的理论已经证明正则化方法能够有效地消除计算中因 外在噪声或者机器截断误差所造成的不稳定性。我们提出了三种正则化方法来降低使用LSE来计算SAR特征带 来的不稳定性。这些方法包括：标准的正则化方法SR (Standard Regularization) ，带惩罚的正则化方法PR (Penalized Regularization) 以及基于全变差的正则化迭代方法TVR (Total Variation Based Regularization) 。我们使 用Brodatz纹理测试集和不同的分类器（SVM和C4.5 ）进行了纹理图像分类实验，结果表明正则化方法的稳定性 优于LSE方法。 关键词: SAR，正则化，纹理 SAR Model Based Regularization Methods for Image Texture Classification 1 2 3 SU Limin , WANG Yaowei , WANG Yanfei 1. Institute of Information Science and Technology, Beijing Union University, Beijing 100101 E-mail: limin.su@ 2. Department of Electronic Engineering, Beijing Institute of Technology, Beijing 100081 3. Institute of Remote Sensing Applications, Chinese Academy of Sciences, Beijing 100101 Abstract: Image texture classification and segmentation is a main topic in the analysis of many types of images. People usually use the least squares estimation (LSE) for analyzing SAR textures. But we find that the LSE is unstable in pr