Journal of Systems Engineering and Electronics ›› 2010, Vol. 32 ›› Issue (8): 1640-1643.doi: 10.3969/j.issn.1001-506X.2010.08.18
韩萍,张蕊,苏志刚,吴仁彪
HAN Ping, ZHANG Rui, SU Zhi-gang, WU Ren-biao
摘要:
提出了一种基于支持向量机(support vector machine, SVM)的合成孔径雷达(synthetic aperture radar, SAR)目标及阴影图像的改进分割方法。利用分类的思想对SAR图像进行分割,其中分类器是通过循环不断更新训练样本的方式完成训练,循环次数由计算相邻两次分割图像熵的差值来控制。用DARPA (defense advanced research project agency)和Sandia实验室提供的实测数据进行分割实验。结果表明,所提算法得到的分类器性能更加优越,同时能够减少初始分割中阈值的选取对分类器性能的影响,有效地提高了SAR目标及阴影图像的分割质量。