[发明专利]一种基于混合核函数SVM分类器的SAR图像分类方法

权利要求书

1.一种基于混合核函数SVM分类器的SAR图像分类方法，其特征在于，包括如下步骤：

S1、传统特征提取：

提取SAR图像的传统特征；

S2、PCA降维：

对所述步骤S1中获得的SAR图像的传统特征进行PCA降维，获得新特征；

S3、SVM参数优化：

通过所述步骤S2中得到的PCA降维后的新特征，利用交叉验证寻优算法，将图像按照6：1划分为两部分，对于其中占比为七分之六的部分进行SVM模型的训练，寻求最优的混合核函数参数组合；

S4、分类结果获取：

通过所述步骤S3中获取的最优的混合核函数参数组合对剩下占比为七分之一的分类样本进行分类实验，获取最终分类结果。

2.如权利要求1所述的基于混合核函数SVM分类器的SAR图像分类方法，其特征在于，所述步骤S1中，所述传统特征为长宽比、灰度特征、纹理特征、边缘特征。

3.如权利要求1所述的基于混合核函数SVM分类器的SAR图像分类方法，其特征在于，所述步骤S2中，PCA降维的实现方法为：

S2-1、对获取的传统特征进行去中心化；

S2-2、利用特征值分解的方法求解协方差矩阵的特征值及特征向量；

S2-3、按照特征值大小进行排序，选取需要的特征值个数，并将对应的特征向量进行组合形成特征向量矩阵；

S2-4、利用特征向量矩阵获取降维后的数据。

4.如权利要求2所述的基于混合核函数SVM分类器的SAR图像分类方法，其特征在于，所述步骤S3中，SVM模型训练的实现方法为：采用高斯核函数与多项式核函数进行混合，实验对采用的三类JS目标进行按6:1划分训练样本和验证样本，在训练中对惩罚因子、混合核函数参数和权重因子进行迭代实现模型的优化。

5.如权利要求2所述的基于混合核函数SVM分类器的SAR图像分类方法，其特征在于，所述步骤S3中，交叉验证寻优算法的实现方法为：将原本样本中的一部分作为验证样本，另一部分作为训练样本，这样使得每一个样本都可以作为验证资料，没有随机因素的存在，且该过程可重复；同时通过对原本样本进行不同的验证样本与训练样本的划分，充分验证该分类器模型的鲁棒性。