[毕业设计] 基于SVM的地物分类研究 [复制链接]

资料简介：
　　毕业设计 基于SVM的地物分类研究，共35页，18007字
　　
摘要
　　
合成孔径雷达SAR(Synthetic Aperture Radar)其原理是通过飞行载体运动来形成雷达的模拟大孔径天线，进而获得高方位分辨的雷达图像数据，是一种具有高分辨率的成像雷达。与光学传感器相比，SAR利用微波遥感技术，不受气候和昼夜影响，能够全天时、全天候工作，并具有多极化、视角可变、有穿透性独特优点。随着SAR技术的发展，其分辨率越来越高，目前已接近或超过光学成像的分辨率，从而掀起了一股SAR信息处理及应用研究的高潮。
　　
本文所要研究的内容是支持向量机(Support Vector machine，SVM)在SAR图像地物分类上的应用。围绕这一中心，本文首先详细分析了SAR图像的中相干斑噪声的产生机理和统计特性，提出了一种新的合成孔径相干雷达相干斑抑制方法即 结合增强Lee算法中的思想与小波算法用于抑制SAR图像中相干斑噪声；其次，引入了一种将滤波后图像的灰度和原图像的纹理、空域的灰度共生矩阵和频域的小波包变换相结合的特征提取方法并且简单介绍了基于BEMD的图像纹理特征提取方法；再次，系统介绍了一种强有力数据分析工具——支持向量机的基本原理，在此基础上，构建了一种快速且参数自优化的最小二乘支持向量机(Least Square SVM，LSSVM)分类器，最后，对LSSVM分类器性能进行测试，结果表明了此方法的可行性和准确性。
　　
关键词：合成孔径雷达，地物分类，相干斑噪声，灰度共生矩阵，小波改进算法，特征提取，支持向量机，最小二乘支持向量机
　　

　　
目录
　　
第一章  绪论    1
　　
1.1 研究背景与意义    1
　　
1.2 国内外研究现状    1
　　
1.3 论文的主要工作及结构    2
　　
第二章  SAR图像相干斑特性及抑制    4
　　
2.1 相干斑的特性    4
　　
2.1.1 相干斑的产生机理    4
　　
2.1.2 相干斑的统计特性    6
　　
2.1.3 相干斑的噪声模型    7
　　
2.2 SA R图像相干斑抑制    8
　　
2.2.1 滤波效果评价指标    8
　　
2.2.2 小波改进算法    10
　　
2.2.3 实验与结果    12
　　
2.2.4 本章小结    13
　　
第三章  SAR图像特征    14
　　
3.1 灰度特征提取    14
　　
3.2 纹理特征提取    14
　　
3.2.1 基于灰度共生矩阵的纹理特征    15
　　
3.2.2 基于小波包变换的纹理特征    15
　　
3.3.3 基于BEMD 的图像纹理特征提取    17
　　
3.3 本章小结    17
　　
第四章  SVM的分类器设计    19
　　
4.1 SVM原理    19
　　
4.1.1 VC 维    19
　　
4.1.2 结构风险最小化原则    19
　　
4.1.3 支持向量机的最优超平面分割    20
　　
4.2 LSSVM分类器设计    21
　　
4.2.1 LSSVM基本原理    21
　　
4.2.2 LSSVM多元分类模型    23
　　
4.2.3 LSSVM模型参数优化    23
　　
4.2.4 LSSVM分类器性能测试    24
　　
4.3支持向量机与神经网络的比较    26
　　
4.4本章小结    26
　　
第五章  总结与展望    28
　　
5.1 论文主要研究成果    28
　　
5.2 研究中存在的问题与展望    28
　　
参考文献    30
　　
致谢    32

资料文件预览：
共1文件夹，1个文件，文件总大小：4.10MB，压缩后大小：1.78MB

• 毕业设计-基于SVM的地物分类研究
• 基于SVM的地物分类研究.doc  [4.10MB]