论文研究-.基于纹理和边缘的SAR图像SVM分类.pdf

【文件属性】：
文件名称：论文研究-.基于纹理和边缘的SAR图像SVM分类.pdf
文件大小：216KB
文件格式：PDF
更新时间：2022-08-11 12:24:32
合成孔径雷达图像分类,纹理特征提取,边缘特征提取,灰度共生矩阵,支持向量机,主成分分析 为实现SAR图像地物目标的有效分类，深入研究了基于灰度共生矩阵GLCM的四种纹理特征以及两个边缘特征。分析每个单独纹理或边缘特征在对SAR图像进行支持向量机SVM分类中对不同地物的分辨能力，选取不同的特征组合进行组合特征的SVM分类实验。对各种特征进行主成分分析PCA，并考察使用和不使用PCA两种情况下分类结果之间的差异。实验结果证明能量、边缘长度、对比度和相关度的特征组合在PCA作用下能够改善各类地物的分类精度，将总分类精度提高到90%以上。