信号处理
信號處理
신호처리
SIGNAL PROCESSING
2011年
9期
1440-1445
,共6页
合成孔径雷达%极化%舰船检测%支持向量机
閤成孔徑雷達%極化%艦船檢測%支持嚮量機
합성공경뢰체%겁화%함선검측%지지향량궤
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.
目標分解是極化SAR圖像艦船檢測的重要方法,但是,在較高分辨率和複雜海況條件下,由相榦矩陣分解得到的極化熵參數併不能將艦船目標與海洋等揹景完全區分.對極化目標分解理論和地物散射機理的研究和分析錶明,極化分解的各箇參數從不同角度反映瞭目標和揹景的散射差異,對它們聯閤使用有助于更準確地在SAR圖像中檢測目標.而且,各箇參數在實際的檢測問題中具有不同的重要性.因此,本文構造瞭包含有多箇極化分解參數的特徵嚮量,併根據各分解參數重要性不同,提齣一種基于目標分解和加權SVM( support vector machine)分類方法對極化SAR圖像中的艦船進行檢測.實驗結果錶明,該方法能夠精確地檢測艦船目標,併有效地減少虛警.
목표분해시겁화SAR도상함선검측적중요방법,단시,재교고분변솔화복잡해황조건하,유상간구진분해득도적겁화적삼수병불능장함선목표여해양등배경완전구분.대겁화목표분해이론화지물산사궤리적연구화분석표명,겁화분해적각개삼수종불동각도반영료목표화배경적산사차이,대타문연합사용유조우경준학지재SAR도상중검측목표.이차,각개삼수재실제적검측문제중구유불동적중요성.인차,본문구조료포함유다개겁화분해삼수적특정향량,병근거각분해삼수중요성불동,제출일충기우목표분해화가권SVM( support vector machine)분류방법대겁화SAR도상중적함선진행검측.실험결과표명,해방법능구정학지검측함선목표,병유효지감소허경.