基于目標分解的極化SAR圖像對比增強與分類方法研究.pdf

1、極化合成孔徑雷達（PolSAR）由于能夠提供一定波長和視角下地物目標的全極化散射信息，近年來受到了越來越多的關(guān)注。極化目標分解理論將地物雷達散射回波分解為不同類型散射的疊加，因而，通過目標分解處理能夠區(qū)別不同散射類型的地物——往往對應著不同類別的地物。運動艦船檢測是SAR圖像目標檢測的一個重要研究方向，由于高速運動艦船在SAR圖像上會出現(xiàn)位置偏移和散焦，散焦會導致部分艦船信息被海雜波淹沒而無法檢測。本文基于目標分解理論，提出了一種新的對

2、比增強方法，能夠有效增強艦船和海面的對比度，改善艦船檢測效果。另外，本文分析了基于獨立分量分析（ICA）技術(shù)的極化SAR圖像相干斑抑制的效果，并且應用于極化SAR圖像分類。實驗表明，基于ICA技術(shù)相干斑抑制后進行分類，可以有效提高分類精度。本文的主要內(nèi)容包括：
　　（1）討論了極化散射矩陣、Mueller矩陣、相干矩陣和協(xié)方差矩陣等極化數(shù)據(jù)表示形式及其物理意義，研究了極化目標分解理論，包括經(jīng)典的Pauli分解、Krogager分解

3、、Cloude分解、Freeman分解等理論，為全文的研究做理論鋪墊。
　?。?）研究了極化SAR圖像對比增強的相關(guān)理論和算法?；诎\動艦船的海面全極化SAR圖像數(shù)據(jù)，提出了一種目標對比增強的算法。該算法利用目標分解后得到的三種散射分量，用線性加權(quán)法重建圖像。實驗結(jié)果表明，該算法可以有效提高艦船區(qū)域和海面的對比度，從而提高艦船檢測性能。
　?。?）研究了ICA技術(shù)在極化SAR圖像相干斑抑制及圖像分類中的應用，重點討論了快

4、速不動點迭代ICA（FastICA）算法以及ICA稀疏編碼收縮(ICA-SCS)算法，介紹了直接基于ICA的極化SAR圖像分類方法。
　　（4）研究了基于目標特征分解的極化SAR圖像分類算法。重點討論了基于Cloude分解的H/α和H/α/Wishart分類算法，討論了基于特征分解的極化SAR圖像分類算法的特點和不足之處，結(jié)合ICA相干斑抑制，繼而用特征分解類算法進行分類。實驗表明，基于ICA技術(shù)進行相干斑抑制，作為極化SAR圖像