基于svmsar图像去噪及边缘检测

《基于svmsar图像去噪及边缘检测》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、论文题目：基于SVM的SAP,图像去噪及边缘检测专业：计算机应用技术“硕士生：梁荣指导教师：付燕摘要(签名)望垦(签名)塑垄随着航天技术的飞速发展，合成孔径雷达(SAR)的应用越来越广泛，SAR图像的分析处理也备受关注。但由于SAR成像复杂、数据量大、及乘性噪声的干扰，SAR图像处理比常规图像处理更加困难。支持向量机是近些年发展起来的一种新的机器学习的方法。它以统计学习理论为基础，能够较好的解决小样本的学习问题。由于其出色的学习和推广性能，支持向量机己经被应用到许多方面。本文在研究支持向量机基础理论与算法的基础上，探讨了支持向量机分类与支持向量机回归两方面的新应用：图像去噪及

2、边缘检测。SAR的后向散射成像机制决定了SAR图像中存在相干斑噪声，这些相干斑噪声降低了图像质量，掩盖了图像的细节结构，因此在SAR图像处理时通常先对图像进行去噪。本文在对现有图像去噪方法总结的基础上，利用支持向量回归技术构建图像去噪所需的滤波器，针对相干斑噪声进行特征的提取和训练样本的设计，用训练后的滤波器对图像进行去噪。实验结果表明，该方法能够有效滤除噪声。图像的边缘作为图像的一种基本特征，经常被应用到较高层次的图像应用中去．本文对目前在图像边缘检测中广泛使用的各种方法进行了介绍，并对Canny边缘检测算法的性能进行了分析和改进，通过计算像素八邻域内图像一阶偏导数有限差分

3、来确定梯度幅值，提高了边缘定位的精度。然后利用支持向量机方法，寻找图像像素之间的特征差别，选取有效的特征向量集。最后将特征值与类别标记作为支持向量机的训练样本，将边缘点区分出来。为验证本文方法的有效性，我们对比了几种边缘检测方法处理同一幅SAR图像的效果。实验证明用支持向量机检测图像的边缘具有优异的统计性能。关键词：SAR图像；支持向量机；相干斑噪声；边缘检测；统计学习研究类型：应用研究Subject：SARImageDenoisingandEdgeDetectionBasedonSupportVectorMachineSpecialty：AppliedTechnologyo

4、fComputerName：LiangRongInstructor：FuYanABSTRACT(si驴atlI托)』!虫纽(signat．1呐E兰!堕Withtherapiddevelopmentofsatelliteastronomytechnique,Syntheticapertureradar(SAR)iswidelyapplied,andmoleandmorepeoplepayattentiontotheSARimageprocessing．Unfortunately,SARmAagearecomplexinformingimage，andalwayspolluted

5、bythemultiplicalivenoise．Fortheabovereason,theSARimageprocessingismoredifficultthancommonilnag@．SupportVectorMachine(SVM)isan@Avmethodofmachinelearning．Itbasedonthestatisticallearningtheory,andcanscale"small"exampleproblemwell．B朗卸seofitsexcellentlearningability,SVMhasbeenappliedtomanyfields

6、．kthispap％basedonstudyingbasictheoryandalgorithmofSVM,wewilldiscusstheapplicationofSVMinimagedenoisingandedgedetection．Becauseofthebackscatters,SARimagesal℃contaminatedbyspecklenoiseswhichlowerimagequalityandmaskimages虹llctm．Therefore．noise·smoot她isthefirststepintheimageprocessing．Inthis群Ip

7、％severaltypicalapproachesofimagedenoising躺addressed,thenemploytheregressioncapabilityofferedbySVMuetworktoconstructafilterforimagedenoising,whereourfeatherselectionandtrainingdata-setdesignenablesthesuppressionofspecklenoises．Intheend,imagedenoisingwaspe