论文研究-结合多特征和SVM的SAR图像分割.pdf

【文件属性】：
文件名称：论文研究-结合多特征和SVM的SAR图像分割.pdf
文件大小：1.3MB
文件格式：PDF
更新时间：2022-08-11 13:37:58
合成孔径雷达,图像分割,非下采样轮廓变换,灰度共生矩阵,支持向量机,特征选择,多特征融合 为实现灰度共生矩阵(GLCM)多尺度、多方向的纹理特征提取, 提出了一种结合非下采样轮廓变换(NSCT)和GLCM的纹理特征提取方法。先用NSCT对合成孔径雷达(SAR)图像进行多尺度、多方向分解; 再对得到的子带图像使用GLCM提取灰度共生量; 然后对提取的灰度共生量进行相关性分析, 去除冗余特征量, 并将其与灰度特征构成多特征矢量; 最后, 充分利用支持向量机(SVM)在小样本数据库和泛化能力方面的优势, 由SVM完成多特征矢量的划分, 实现SAR图像分割。实验结果表明, 基于NSCT域的GLCM纹理提取方法和多特征融合用于SAR图像分割, 可以提高分割准确率, 获得较好的边缘保持效果。