信号处理
信號處理
신호처리
SIGNAL PROCESSING
2013年
9期
1163-1168
,共6页
周乐意%余文涛%陈嘉宇%孙洪
週樂意%餘文濤%陳嘉宇%孫洪
주악의%여문도%진가우%손홍
合成孔径雷达图像%流形学习%球流形局部嵌入%建模及分类
閤成孔徑雷達圖像%流形學習%毬流形跼部嵌入%建模及分類
합성공경뢰체도상%류형학습%구류형국부감입%건모급분류
Synthetic Aperture Rader image%manifold learning%Spherical local embedding%modeling and classification
地物目标建模是合成孔径雷达(Synthetic Aperture Rader,SAR)图像解译和应用的关键技术之一.近年来,基于流形学习的建模方法得到发展,可望适用于依据微波散射机理成像的SAR图像建模.本文采用球流形嵌入(SLE)方法来实现SAR地物目标建模.该方法实质上是对SAR图像的高维描述或表达进行非线性降维,得到相应的低维流形结构,其分量就是SAR图像的本质特征,由于削弱了原始高维表达中的冗余信息,可用来更加精确地描述和解译地物目标,同时由于维数的降低,大大降低了计算复杂度.为验证其有效性,本文将其应用于SAR图像场景分类,采用简单的K最近邻(K nearest neighbor,KNN)分类器和支持向量机(Support Vector Machine,SVM)分类器.实验结果证明基于本文方法对SAR图像地物目标建模是有效的,有着良好的应用前景.
地物目標建模是閤成孔徑雷達(Synthetic Aperture Rader,SAR)圖像解譯和應用的關鍵技術之一.近年來,基于流形學習的建模方法得到髮展,可望適用于依據微波散射機理成像的SAR圖像建模.本文採用毬流形嵌入(SLE)方法來實現SAR地物目標建模.該方法實質上是對SAR圖像的高維描述或錶達進行非線性降維,得到相應的低維流形結構,其分量就是SAR圖像的本質特徵,由于削弱瞭原始高維錶達中的冗餘信息,可用來更加精確地描述和解譯地物目標,同時由于維數的降低,大大降低瞭計算複雜度.為驗證其有效性,本文將其應用于SAR圖像場景分類,採用簡單的K最近鄰(K nearest neighbor,KNN)分類器和支持嚮量機(Support Vector Machine,SVM)分類器.實驗結果證明基于本文方法對SAR圖像地物目標建模是有效的,有著良好的應用前景.
지물목표건모시합성공경뢰체(Synthetic Aperture Rader,SAR)도상해역화응용적관건기술지일.근년래,기우류형학습적건모방법득도발전,가망괄용우의거미파산사궤리성상적SAR도상건모.본문채용구류형감입(SLE)방법래실현SAR지물목표건모.해방법실질상시대SAR도상적고유묘술혹표체진행비선성강유,득도상응적저유류형결구,기분량취시SAR도상적본질특정,유우삭약료원시고유표체중적용여신식,가용래경가정학지묘술화해역지물목표,동시유우유수적강저,대대강저료계산복잡도.위험증기유효성,본문장기응용우SAR도상장경분류,채용간단적K최근린(K nearest neighbor,KNN)분류기화지지향량궤(Support Vector Machine,SVM)분류기.실험결과증명기우본문방법대SAR도상지물목표건모시유효적,유착량호적응용전경.