论文部分内容阅读
本文主要围绕SVM在图像融合中所面临的一些具体问题展开研究，提出了利用LBG算法对训练样本进行压缩，然后再使用SVM算法对压缩的码书进行训练的方法。并提出了一种改进的LBG算法；提出将二次互信息作为特征选择的准则进行特征优选；本文提出的算法利用Parzen窗方法估计样本密度从而计算互信息，提出利用高斯混合模型逼近样本分布；本文基于粗糙集理论提出一种特征约简的增量算法；本文将经典的线性Logistic回归扩展到高维RKHS空间，从而得到核Logistic回归，提出基于特征矢量集的核Logistic回归算法，推导了多类情况下的核Logistic回归算法，给出了多类SVM分类器的后验概率计算方法；将核方法(SVM、KLR)应用于图像融合处理。提出基于后验概率的Markov随机场模型，在此基础上引入piginistic概率实现了证据理论与MRF模型的结合；将SVM方法应用于遥感图像中目标的自动识别。针对全尺寸遥感图像中机场检测的问题，提出将SVM用于地貌纹理分析，从而获得机场检测的感兴趣区域，并提出基于变形模板模型的跑道识别方法，从而实现了检测的速度和准确度的兼顾。