基于SAR特征的正则化计算方法及其在纹理分类中的应用
本文对于SAR(SimultaneousAutoregressive)特征提出了正则化的计算方法.在通常的SAR特征的计算中使用的LSE(LeastSquareEstimate)方法是不稳定的.已有的理论已经证明正则化方法能够有效地消除计算中因外在噪声或者机器截断误差所造成的不稳定性.提出了三种正则化方法来降低使用LSE来计算SAR特征带来的不稳定性.这些方法包括:标准的正则化方法SR(StandardRegularization),带惩罚的正则化方法PR(PenalizedRegularization)以及基于全变差的正则化迭代方法TVR(TotalVariationBasedRegularization).本文使用Brodatz纹理测试集和不同的分类器(SVM和C4.5)进行了纹理图像分类实验,结果表明正则化方法的稳定性优于LSE方法.
SAR特征 正则化方法 纹理特征 图像分类
苏利敏 王耀威 王彦飞
北京联合大学信息学院,北京100101 北京理工大学电子工程系,北京100081 中国科学院遥感技术研究所,北京100101
国内会议
哈尔滨
中文
1844-1848
2006-08-07（万方平台首次上网日期，不代表论文的发表时间）