基于纹理和边缘的SAR图像SVM分类

• 作 者: 龙海翔 高鑫
• 机 构: 中国科学院电子学研究所航空微波遥感系统部,中国科学院研究生院
• 出 处: 计算机应用研究
• 发表日期: 2011年09期
• 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 SAR image classification texture fe

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。