

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)
文檔簡介
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
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于小波變換的圖像特征提取方法研究.pdf
- 基于小波變換的交通圖像特征提取
- 基于小波變換的通信信號特征提取與調(diào)制識別.pdf
- SAR圖像目標(biāo)特征提取與識別算法研究.pdf
- 基于小波變換的音頻特征提取與分類研究.pdf
- 基于小波變換和GMM的病態(tài)嗓音特征提取及識別研究.pdf
- 基于Gabor小波變換的掌紋特征提取算法研究.pdf
- 基于小波變換技術(shù)的紋理特征提取技術(shù)的研究.pdf
- 基于多小波的虹膜特征提取和識別.pdf
- SAR圖像中的自動識別特征提取.pdf
- SAR圖像典型目標(biāo)特征提取與識別方法研究.pdf
- 基于平穩(wěn)小波變換的SAR圖像海岸線提取.pdf
- 基于Radon變換和小波理論的靜脈特征提取與匹配.pdf
- 基于Gabor小波變換的人臉特征提取方法研究.pdf
- SAR圖像特征提取與分類方法的研究.pdf
- 基于Curvelet變換的圖像特征提取與處理.pdf
- 基于超小波變換的手指靜脈特征提取方法研究.pdf
- 基于小波變換的機械軸承磨損故障特征提取方法研究.pdf
- 基于小波變換的SAR圖像壓縮方法研究.pdf
- 基于諧波小波變換的腦電信號分析與特征提取研究.pdf
評論
0/150
提交評論