小训练样本下的合成孔径雷达图像分类研究

摘要

针对纹理是合成孔径雷达(SAR)图像目标分类的一个重要因素,SAR图像的过完全小波分解产生大小不变的子图像,具有移不变特性,可在不同尺度下表征纹理.利用图像灰度均值与细节图像能量特征组成特征矢量,对SAR图像有好的表征效果.与完全由图像分解子图能量得到的特征矢量相比,目标间的纹理特征差异更明显.神经网络具有高度非线性判决性能,可将所提出的过完全小波分解纹理能量特征(OWATF)与径向基函数(RBF)神经网络相结合对SAR图像面目标进行分类.实验证明,在小训练样本条件下,RBF神经网络与OWATF特征相结合对SAR图像进行分类能够很好地体现目标的整体特性.