基于小波變換的SAR圖像特征提取與識別研究.pdf

1、合成孔徑雷達(SAR)具有高分辨率、遠距離、全天候和穿透力強等特點，它是一種高空視覺系統(tǒng)，能夠采集到大量對人類生產(chǎn)和生活有意義的信息。近年來，SAR圖像的目標(biāo)識別一直是國內(nèi)外研究的重點和熱點。傅立葉變換一直是圖像處理的基石，小波變換是傅立葉變換的發(fā)展和拓展。本文基于小波變換對SAR圖像的識別做了深入研究，對SAR圖像處理過程中兩個重要部分:預(yù)處理和特征提取進行改進，以提高識別精度。
　　SAR圖像的識別要經(jīng)過圖像預(yù)處理，特征提取和

2、識別三個大步驟:在圖像預(yù)處理方面，本文采用了兩個方案對SAR圖像進行預(yù)處理，方案之一是先對SAR圖像去噪，接著對去噪后的圖像進行分割;方案之二是先對圖像去噪，去噪之后以目標(biāo)為中心，去除一部分的背景，接著對圖像進行歸一化處理;特征提取方面，首先，提取12個Hu特征，Gabor特征，灰度共生矩陣特征和FFT特征，通過特征融合和PCA、BPSO算法降維證明了以上四個特征對SAR圖像的識別效果有限。其次，對SAR圖像進行小波變換后提取特征做識別

3、，在此基礎(chǔ)上，嘗試所有可用的小波函數(shù)，對SAR圖像識別這個具體問題上小波函數(shù)的選擇嘗試給出一些指導(dǎo)意見。最后，比較了基于小波變換提取特征和其他方法提取特征在小樣本實驗數(shù)據(jù)下的識別效果。圖像識別方面，采用的是在分類上問題上表現(xiàn)較好的支持向量機(SVM)分類器。
　　實驗表明，12個Hu特征，Gabor特征，灰度共生矩陣特征和FFT特征單獨做識別的最好平均識別率為91.88％，但是其中裝甲車(BTR70)的識別率僅為88.08％;基于