合成孔径雷达图像目标分类研究

摘要

合成孔径雷达(SAR)是现代科学和技术的产物，它使雷达的基本功能发生了巨大变化。SAR被广泛的应用于军事和民用，有着重大价值和非常广阔的应用前景，越来越多的研究人员正在参与并不断地在这一领域中做出贡献。本文是关于SAR图像的纹理特征分析，它是SAR图像应用中的一种重要技术。文中基于已经过图像预处理的SAR图像数据，应用灰度共生矩阵法，研究了常用于SAR图像分类的几种纹理特征量，包括差方差、差平均、差熵、对比度、能量、方差、和方差、逆差矩、相关等，进行了特征提取。如果模式空间的维数较大，那么不仅会造成计算上的困难，而且由于不少变量之间往往相关程度高，会造成混淆和不确定性，所以需进行特征选择。本文运用类内类间距准则，通过计算图像特征值的类内类间距，得到对某种SAR图像分辨效果最好的几种纹理特征量。最后以这几种纹理特征量为输入，利用三层BP神经网络，进行图像分类。并且与图像分类中统计方法的经典算法贝叶斯分类方法做了比较，结果发现，神经网络分类方法的分类效果要优于贝叶斯方法。本文给出了SAR图像处理的整个流程，程序也全部调试成功，并且界面友好，操作方便。

目录

独创性声明及关于论文使用授权的说明

摘要

第一章 引言

第二章 模式识别概论

第三章 纹理特征分析

第四章 特征提取和选择

第五章 SAR图像目标分类

第六章 SAR图像分类过程及实验结果

第七章 软件使用说明

第八章 结论

参考文献

致谢

个人简历