刘 磊

(海军航空工程学院电子信息工程系 烟台 264001)



基于Gabor变换和KPCA的SAR图像舰船目标鉴别*

刘 磊

(海军航空工程学院电子信息工程系 烟台 264001)

针对SAR图像中的舰船目标和杂波虚警的鉴别问题，采用Gabor变换和核主成分分析(Kernel Principal Component Analysis,KPCA)相结合的舰船目标鉴别算法。首先对SAR图像中的样本切片进行Gabor变换，获得舰船的纹理特征，将这些特征用KPCA算法降维并提取目标的主成分分量，把最终采集的样本特征通过k-近邻分类器进行训练和测试。通过仿真结果的比较表明，利用Gabor变换和KPCA降维相结合的方法可以有效地对SAR图像中的舰船目标和杂波虚警进行鉴别。

SAR图像; 舰船目标鉴别; Gabor变换; KPCA; k-近邻分类

Class Number TR391

1 引言

纹理特征是一种重要的视觉线索，是图像中普遍存在而又难以描述的特征。它反映了物体表面的内在属性，包含了物体表面的重要结构信息以及与外界环境的联系。SAR图像中含有丰富的纹理信息，对SAR图像进行纹理分析可以提取图像中的重要信息[1～2]。经过各国研究者几十年的共同努力，纹理特征提取获得了很大发展，按照纹理特征提取方法所基于的基础理论和研究思路的不同，并借鉴非常流行的Tuceryan和Jain的分类方法，将纹理特征提取方法分为四大类：统计法、结构法、模型法和信号处理法[3～4]。本文采用信号处理法中的Gabor变换来提取SAR图像中的纹理特征，然后对图像中的舰船目标和杂波虚警进行鉴别处理。

单独的采用某一类特征进行目标鉴别会因特征本身的缺陷而造成鉴别的正确率低，通过特征融合将多类特征融合为联合特征，可以有效提高鉴别率[5～6]。……