基于目标分解和加权SVM分类的极化SAR图像舰船检测

• 作者: 孙即祥 计科峰 邢相薇
• 来源期刊: 信号处理
• 学科: 工学
• 关键词: 合成孔径雷达 极化 舰船检测 支持向量机
• 年，卷（期）: 2011,（9）
• 所属期刊栏目: 短文与研究通讯
• 页码范围: 1440-1445
• 分类号: TN957.52
• 字数: 4563字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-0530.2011.09.030

摘要

目标分解是极化SAR图像舰船检测的重要方法,但是,在较高分辨率和复杂海况条件下,由相干矩阵分解得到的极化熵参数并不能将舰船目标与海洋等背景完全区分.对极化目标分解理论和地物散射机理的研究和分析表明,极化分解的各个参数从不同角度反映了目标和背景的散射差异,对它们联合使用有助于更准确地在SAR图像中检测目标.而且,各个参数在实际的检测问题中具有不同的重要性.因此,本文构造了包含有多个极化分解参数的特征向量,并根据各分解参数重要性不同,提出一种基于目标分解和加权SVM( support vector machine)分类方法对极化SAR图像中的舰船进行检测.实验结果表明,该方法能够精确地检测舰船目标,并有效地减少虚警.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	邢相薇	国防科学技术大学电子科学与工程学院	5	36	3.0	5.0
2	计科峰	国防科学技术大学电子科学与工程学院	35	323	11.0	16.0
3	孙即祥	国防科学技术大学电子科学与工程学院	35	338	11.0	16.0