基于纹理和边缘的SAR图像SVM分类

• 作者: 高鑫 龙海翔
• 来源期刊: 计算机应用研究
• 关键词: 合成孔径雷达图像分类 纹理特征提取 边缘特征提取 灰度共生矩阵 支持向量机 主成分分析
• 年，卷（期）: 2011,（9）
• 所属期刊栏目: 图形图像技术
• 页码范围: 3551-3553
• 分类号: TP391
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2011.09.099

摘要

为实现SAR图像地物目标的有效分类,深入研究了基于灰度共生矩阵GLCM的四种纹理特征以及两个边缘特征.分析每个单独纹理或边缘特征在对SAR图像进行支持向量机SVM分类中对不同地物的分辨能力,选取不同的特征组合进行组合特征的SVM分类实验.对各种特征进行主成分分析PCA,并考察使用和不使用PCA两种情况下分类结果之间的差异.实验结果证明能量、边缘长度、对比度和相关度的特征组合在PCA作用下能够改善各类地物的分类精度,将总分类精度提高到90％以上.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	高鑫	中国科学院电子学研究所航空微波遥感系统部	27	483	10.0	21.0
2	龙海翔	中国科学院电子学研究所航空微波遥感系统部	2	15	2.0	2.0