计算机应用研究
計算機應用研究
계산궤응용연구
APPLICATION RESEARCH OF COMPUTERS
2013年
9期
2846-2851
,共6页
合成孔径雷达%图像分割%非下采样轮廓变换%灰度共生矩阵%支持向量机%特征选择%多特征融合
閤成孔徑雷達%圖像分割%非下採樣輪廓變換%灰度共生矩陣%支持嚮量機%特徵選擇%多特徵融閤
합성공경뢰체%도상분할%비하채양륜곽변환%회도공생구진%지지향량궤%특정선택%다특정융합
SAR%image segmentation%NSCT%GLCM%SVM%feature selection%multiple features fusion
为实现灰度共生矩阵(GLCM)多尺度、多方向的纹理特征提取,提出了一种结合非下采样轮廓变换(NSCT)和GLCM的纹理特征提取方法.先用NSCT对合成孔径雷达(SAR)图像进行多尺度、多方向分解;再对得到的子带图像使用GLCM提取灰度共生量;然后对提取的灰度共生量进行相关性分析,去除冗余特征量,并将其与灰度特征构成多特征矢量;最后,充分利用支持向量机(SVM)在小样本数据库和泛化能力方面的优势,由SVM完成多特征矢量的划分,实现SAR图像分割.实验结果表明,基于NSCT域的GLCM纹理提取方法和多特征融合用于SAR图像分割,可以提高分割准确率,获得较好的边缘保持效果.
為實現灰度共生矩陣(GLCM)多呎度、多方嚮的紋理特徵提取,提齣瞭一種結閤非下採樣輪廓變換(NSCT)和GLCM的紋理特徵提取方法.先用NSCT對閤成孔徑雷達(SAR)圖像進行多呎度、多方嚮分解;再對得到的子帶圖像使用GLCM提取灰度共生量;然後對提取的灰度共生量進行相關性分析,去除冗餘特徵量,併將其與灰度特徵構成多特徵矢量;最後,充分利用支持嚮量機(SVM)在小樣本數據庫和汎化能力方麵的優勢,由SVM完成多特徵矢量的劃分,實現SAR圖像分割.實驗結果錶明,基于NSCT域的GLCM紋理提取方法和多特徵融閤用于SAR圖像分割,可以提高分割準確率,穫得較好的邊緣保持效果.
위실현회도공생구진(GLCM)다척도、다방향적문리특정제취,제출료일충결합비하채양륜곽변환(NSCT)화GLCM적문리특정제취방법.선용NSCT대합성공경뢰체(SAR)도상진행다척도、다방향분해;재대득도적자대도상사용GLCM제취회도공생량;연후대제취적회도공생량진행상관성분석,거제용여특정량,병장기여회도특정구성다특정시량;최후,충분이용지지향량궤(SVM)재소양본수거고화범화능력방면적우세,유SVM완성다특정시량적화분,실현SAR도상분할.실험결과표명,기우NSCT역적GLCM문리제취방법화다특정융합용우SAR도상분할,가이제고분할준학솔,획득교호적변연보지효과.
