张肖敏，王 鹏，白艳萍

(中北大学 理学院， 太原 030051)

合成孔径雷达(简称SAR)是一种主动微波遥感探测器。随着时代的发展，人们对它的研究也更加深入，特别是在SAR图像识别方面的探究。图像特征提取和识别在SAR图像识别技术中起着重要的作用，而图像特征提取技术主要包括提取图像的Hu不变矩、灰度值、轮廓特征、傅里叶不变子、仿射不变矩、中心矩阵等特征[1-5]。在SAR图像识别阶段主要是这些特征和欧氏距离准则、BP神经网络结合进行识别[3,6]。SVM分类器是结构风险最小化的近似实现，是实现二分类、多分类最佳的分类器，在文献[1-2,4-5]中利用图像的这些特征和SVM结合对SAR图像分类识别。对SVM分类识别率影响比较大的是SVM中的参数和核函数。SVM参数寻优的方法有交叉验证寻忧(CV-cg)、遗传算法(GA)参数寻优、蜂群算法(ABC)参数寻优、粒子群算法(PSO)参数寻优等，其中PSO优化SVM参数得到的结果比较好，但还是不尽如意，其中影响PSO优化SVM参数的就有学习因子。

为了解决PSO中固定值因子不能有效地解决非线性优化问题，进而调节PSO的学习因子使得其中一个学习因子单调递增，另一个学习因子单调递减，得到改进后的PSO，然后利用改进后的PSO优化SVM参数，得到改进后的PSO-SVM。在特征选取时为了减少旋转角度带来的影响，在选取图像特征时同时选取Hu不变矩、仿射不变矩，再加上具有旋转不变性更强的Zernike不变矩，最后利用改进后的PSO-SVM和这些特征对SAR图像进行分类识别。

1 特征向量的提取

1.1 Hu不变矩

1962年Hu利用2阶和3阶中心矩构造了7个不变矩，称为Hu不变矩(I1，I2，I3，I4，I5，I6，I7)，其具有平移不变性、旋转不变性和缩放不变性的特点，不需要对图像进行改动，为图像处理提供了极大的方便[7]。……