基于SVM的SAR图像去噪及边缘检测的开题报告.docxVIP

基于SVM的SAR图像去噪及边缘检测的开题报告

一、选题背景及意义

合成孔径雷达(SyntheticApertureRadar,SAR)技术具有天气不受限、对地的透视效应小、操作灵活等特点，能够高效、高分辨率地进行地震研究、军事侦查和城市规划等领域的遥感探测，在军事、航空航天和地理信息等各个领域起着愈来愈大的作用。但是，在SAR成像过程中，由于复杂的环境因素，传输过程中会引起各种噪声，影响图像质量，影响后续数据处理和分析。因此，对于SAR图像的噪声去除和边缘检测是SAR图像处理中非常重要的方向。

在SAR图像去噪中，SVM(SupportVectorMachine)方法在多个领域中被广泛使用。SVM是一种基于最大间隔原理的监督学习方法，其思想是找到数据点中最接近决策边界的一组点，称为支持向量(SupportVector)，最大化支持向量到决策面的距离，同时最小化预测误差。SVM在SAE图像处理中的应用是在去噪的基础之上，对图像进行边缘检测。

因此，本项目将尝试使用SVM方法对SAR图像进行去噪及边缘检测，提升SAR图像处理的质量。该研究对于提升SAR图像处理的效果，推动遥感探测技术的发展，具有较高的意义和应用价值。

二、研究内容

本文将主要研究基于SVM的SAR图像去噪及边缘检测。具体包括下列几个方面：

1.SAR图像去噪：应用SVM方法，通过建立图像去噪模型，对SAR图像进行去噪。

2.SAR图像边缘检测：应用SVM方法，通过建立边缘检测模型，对去噪后的SAR图像进行边缘检测。

3.评价指标：本文将使用MeanSquareError(MSE)和PeakSignal-to-NoiseRatio(PSNR)两个评价指标对去噪后的SAR图像进行质量评估。

三、研究计划

本文将分为以下几个阶段进行：

第一阶段：研究SAR图像去噪方法，了解SVM在SAR图像去噪中的应用，建立SAR图像去噪模型。

第二阶段：研究SAR图像边缘检测方法，了解SVM在SAR图像边缘检测中的应用，建立SAR图像边缘检测模型。

第三阶段：评估与分析。使用MSE和PSNR两个评价指标对去噪后的SAR图像进行质量评估，分析模型的优缺点。

第四阶段：结论和讨论。

四、预期结果

1.建立基于SVM的SAR图像去噪模型和边缘检测模型。

2.对模型的实验结果进行评估，并使用合适的评价指标进行对比分析，得出模型的优缺点。

3.能够对SAR图像进行去噪和边缘检测，提高SAR图像处理质量。

五、参考文献

1.Biradar,R.S.(2012).SupportVectorMachineBasedClassifiersforAutomaticRoadExtractionfromSARImagery.InternationalJournalofComputerApplications,52(8),1-7.

2.Liu,X.,Wang,G.,Zhang,X.(2009).ANovelSupportVectorMachineMethodforSARImageDenoising.JournalofOpticalTechnology,76(8),501-505.

3.Xie,H.,Yang,J.,Xie,J.,Chu,X.(2015).AnImprovedEdgeDetectionAlgorithmBasedonSVMinSARImage.CIESCJournal,6(66),2155-2161.

4.Yao,Z.,Jiang,H.,Yang,Y.,Jie,B.(2015).ApplicationofSupportVectorMachineinDenoisingofSARImage.ComputerEngineering,186-188.

6.Zhang,Z.,Jin,L.,Xie,F.X.,Chen,G.(2006).SARImageDenoisingbyCombiningEnhancedWNNMandSVM.JournalofImageandGraphics,11(1),39-44.