简介:全极化SAR影像含有丰富的特征信息,针对单一特征用于分类难以达到满意精度的问题,提出一种基于不同目标分解方法及纹理信息的SVM(SupportVectorMachine,SVM)全极化SAR影像监督分类方法。结果表明,Cloude分解和Yamaguchi分解在极化特征信息提取时各有优势,且都优于Freeman分解效果;Cloude分解和Yamaguchi分解结合作为极化特征信息时,分类总体精度相对较高;纹理信息与极化特征信息在表现地物特性方面具有互补性,结合纹理信息后,分类总体精度提高了4.92%,为90.86%,Kappa系数为0.8754。
简介:文章对基本的纹理分析方法进行了详细阐述,比较了各类纹理分析方法在工件表面纹理分析应用中的优缺点.针对车削后的工件表面纹理图像进行了纹理分析,建立了高斯马尔可夫随机场模型,并采用特征参数的相对距离实现了刀具磨损量的识别.实验结果表明:工件表面纹理分析作为计算机视觉的一个分支,能被广泛地应用于刀具磨破损状态监测或加工表面质量检测等自动化/智能控制中.