基于SVM的SAR圖像去噪及邊緣檢測.pdf

1、隨著航天技術(shù)的飛速發(fā)展，合成孔徑雷達(dá)(SAR)的應(yīng)用越來越廣泛，SAR圖像的分析處理也備受關(guān)注。但由于SAR成像復(fù)雜、數(shù)據(jù)量大、及乘性噪聲的干擾，SAR圖像處理比常規(guī)圖像處理更加困難。 支持向量機(jī)是近些年發(fā)展起來的一種新的機(jī)器學(xué)習(xí)的方法。它以統(tǒng)計(jì)學(xué)習(xí)理論為基礎(chǔ)，能夠較好的解決小樣本的學(xué)習(xí)問題。由于其出色的學(xué)習(xí)和推廣性能，支持向量機(jī)己經(jīng)被應(yīng)用到許多方面。本文在研究支持向量機(jī)基礎(chǔ)理論與算法的基礎(chǔ)上，探討了支持向量機(jī)分類與支持向量機(jī)回

2、歸兩方面的新應(yīng)用：圖像去噪及邊緣檢測。 SAR的后向散射成像機(jī)制決定了SAR圖像中存在相干斑噪聲，這些相干斑噪聲降低了圖像質(zhì)量，掩蓋了圖像的細(xì)節(jié)結(jié)構(gòu)，因此在SAR圖像處理時(shí)通常先對圖像進(jìn)行去噪。本文在對現(xiàn)有圖像去噪方法總結(jié)的基礎(chǔ)上，利用支持向量回歸技術(shù)構(gòu)建圖像去噪所需的濾波器，針對相干斑噪聲進(jìn)行特征的提取和訓(xùn)練樣本的設(shè)計(jì)，用訓(xùn)練后的濾波器對圖像進(jìn)行去噪。實(shí)驗(yàn)結(jié)果表明，該方法能夠有效濾除噪聲。 圖像的邊緣作為圖像的一種基本

3、特征，經(jīng)常被應(yīng)用到較高層次的圖像應(yīng)用中去。本文對目前在圖像邊緣檢測中廣泛使用的各種方法進(jìn)行了介紹，并對Canny邊緣檢測算法的性能進(jìn)行了分析和改進(jìn)，通過計(jì)算像素八鄰域內(nèi)圖像一階偏導(dǎo)數(shù)有限差分來確定梯度幅值，提高了邊緣定位的精度。然后利用支持向量機(jī)方法，尋找圖像像素之間的特征差別，選取有效的特征向量集。最后將特征值與類別標(biāo)記作為支持向量機(jī)的訓(xùn)練樣本，將邊緣點(diǎn)區(qū)分出來。為驗(yàn)證本文方法的有效性，我們對比了幾種邊緣檢測方法處理同一幅SAR圖像的