天津理工大学学报
天津理工大學學報
천진리공대학학보
JOURNAL OF TIANJIN UNIVERSITY OF TECHNOLOGY
2014年
6期
45-49
,共5页
AdaBoost%合成孔径雷达图像%分类%纠错编码
AdaBoost%閤成孔徑雷達圖像%分類%糾錯編碼
AdaBoost%합성공경뢰체도상%분류%규착편마
AdaBoost%Synthetic Aperture Radar(SAR)%classification%Error Correcting Output Codes(ECOC)
合成孔径雷达（SAR）图像由于受到相干斑点噪声的影响，使得其高精度的分类算法研究受到极大的挑战。为了提高SAR图像分类的性能，本文根据SAR图像的成像机理和统计特性，通过灰度共生矩阵特征的提取，结合纠错编码，构造了一种SAR图像分类的AdaBoost改进算法。实验结果表明，该算法得到较好的分类结果，分类精度得到了显著的提高。
閤成孔徑雷達（SAR）圖像由于受到相榦斑點譟聲的影響，使得其高精度的分類算法研究受到極大的挑戰。為瞭提高SAR圖像分類的性能，本文根據SAR圖像的成像機理和統計特性，通過灰度共生矩陣特徵的提取，結閤糾錯編碼，構造瞭一種SAR圖像分類的AdaBoost改進算法。實驗結果錶明，該算法得到較好的分類結果，分類精度得到瞭顯著的提高。
합성공경뢰체（SAR）도상유우수도상간반점조성적영향，사득기고정도적분류산법연구수도겁대적도전。위료제고SAR도상분류적성능，본문근거SAR도상적성상궤리화통계특성，통과회도공생구진특정적제취，결합규착편마，구조료일충SAR도상분류적AdaBoost개진산법。실험결과표명，해산법득도교호적분류결과，분류정도득도료현저적제고。
Owing to speckle noise, the research of high-precision classification of SAR (Synthetic Aperture Radar) images is a big challenge. According to the imaging mechanism and the statistical properties of SAR images, this paper proposes a clas-sification algorithm based on improved AdaBoost to improve the classification performance of SAR images. In this classification algorithm, the gray level co-occurrence matrix is used to extract the features and error correcting output code is introduced. Experimental results show that the proposed classification algorithm can obtain a better classification result and the accuracy is significantly improved.
