一种基于支持向量机的SAR景象匹配区选取方法

摘要

本发明公开了一种基于支持向量机的SAR景象匹配区选取方法，结合SAR成像特性，通过选择合适的代表图像信息的多维特征参数，使用非线性变换将样本特征空间的划分问题转换为高维特征空间的线性分类问题，并利用有限的支持向量点的线性组合建立分类决策函数并选择景象匹配区。该方法考虑了参考图像的多种特征值与匹配区正确选择之间的联系，试验结果表明该方法计算速度快，具有较大的适应性和抗干扰性，能够对复杂SAR参考图的匹配子区选取进行正确决策指导。

主权项

一种基于支持向量机的SAR景象匹配区选取方法，包括以下步骤：（1）分别对基准SAR灰度图提取区域特征和线特征，得到区域特征图和结构特征图；（2）在基准SAR灰度图上截取子区，从中选择明显可以作为匹配区和明显不能作为匹配区的两类子区，作为训练子区；（3）对基准灰度图、区域特征图和结构特征图分别计算各自包含的训练子区的特征信息，构成各训练子区的特征矢量；基准灰度图对应的特征信息包括灰度均值、标准差、均匀度和散射度；结构特征图对应的特征信息包括结构强度和边缘梯度熵；区域特征图对应的特征信息包括弱目标结构强度、强目标结构强度、弱+强目标结构强度；结构强度定义为子区内边缘像素数与子区面积之比；边缘梯度熵反映重复模式，边缘梯度方向分布；弱目标结构强度定义为弱像素的个数与全部像素个数的比值；强目标结构强度定义为强像素的个数与全部像素个数的比值；弱+强目标结构强度定义为弱像素和强像素的个数和与全部像素个数的比值；（4）将各训练子区特征矢量作为支持向量机的输入，各训练子区的类型作为支持相量机的输出，训练确定支持向量机的参数；（5）按照步骤（1）和（3）的方式对待定匹配区的SAR灰度图像截取子区以及计算各子区的特征矢量，将各子区的特征矢量作为步骤（4）确定的支持相量机的输入，该支持向量机的输出即为匹配区选定结果。