基于廣義Gamma分布的SAR圖像統(tǒng)計建模及應用研究.pdf

1、合成孔徑雷達（Synthetic Aperture Radar，SAR)圖像解譯算法研究是當今SAR信息處理中的熱點前沿課題之一。SAR圖像統(tǒng)計建模致力于利用數學模型精確描述 SAR圖像的統(tǒng)計特性，基于SAR圖像統(tǒng)計建模開展應用算法研究是當前SAR圖像解譯的主要途徑。近年來，隨著SAR成像技術的日益提升，多頻、多極化以及多視角的SAR成像模式不斷豐富，SAR圖像的空間分辨率也不斷提高。這些多模式高分辨率的SAR圖像能夠獲取豐富的地物和目

2、標信息，但其統(tǒng)計特性也變得更為復雜，使得其精確描述成為當前一項頗具挑戰(zhàn)性的工作。為提高多模式高分辨率SAR圖像的自動解譯水平，迫切需要開展這類SAR圖像的統(tǒng)計建模和解譯算法研究。
　　鑒于廣義gamma分布（Generalized Gamma Distribution,GGD)的高度靈活性，本論文以GGD為核心和出發(fā)點，重點探討了單通道和多極化SAR圖像的統(tǒng)計建模理論及其在SAR圖像解譯中的熱門典型應用，其中包括SAR圖像目標檢測

3、、SAR圖像分割和SAR圖像地物分類，形成了較為完整的基于GGD的SAR圖像建模與應用研究體系。在理論研究和應用算法研究兩個方面，本論文所做主要工作以及創(chuàng)新性成果如下：
　　在SAR圖像統(tǒng)計建模的理論方面開展了層次化的研究，所做的主要工作及創(chuàng)新性成果有：
　　(1)從統(tǒng)計模型構建和參數估計兩個方面，系統(tǒng)總結了前人的單通道和多極化 SAR圖像統(tǒng)計建模工作。首先闡述了常規(guī)單通道SAR圖像統(tǒng)計建模工作，接著總結了多極化SAR圖像統(tǒng)

4、計建模的相關成果；
　　(2)提出了一種基于參數解耦的GгD參數估計方法。通過參數解耦的方式，推導了GGD參數估計的尺度獨立的形狀估計（Scale Independent Shape Estimation，SISE)方程。該方法與已有可行的基于對數累積量方法（Method of Log-Cumulants，MoLC)相比，在穩(wěn)定性和有效性等指標上更優(yōu)；
　　(3)提出了一種新的多極化SAR圖像分布模型— Gг-Wishart

5、分布，并推導了基于矩陣對數累積量的該分布的參數估計方法。在極化乘積模型框架下，通過引入GGD來描述多極化SAR圖像紋理分量，導出了Gг-Wishart分布。傳統(tǒng)的典型多極化SAR圖像分布如復Wishart、Kp和Gop分布均可視為該分布的特例。另外，基于實測多極化SAR圖像的實驗驗證了該分布比經典分布更為靈活，且優(yōu)于近年來提出的KummerU分布；
　　(4)提出了一種空間相關單通道和多極化SAR雜波圖像仿真方法。在非線性變換法的

6、框架下，理論推導了空間相關的服從GGD的單通道SAR雜波圖像仿真方法。另外推導了服從當前典型極化SAR分布的多極化SAR雜波圖像仿真方法。仿真圖像在模型參數估計方法評估、統(tǒng)計算法設計和評估等方面都具有重要的應用價值。
　　基于上述SAR圖像統(tǒng)計建模成果，在SAR圖像解譯應用算法方面，開展了SAR圖像CFAR檢測、SAR圖像分割和SAR圖像地物分類三方面典型問題的研究，所做主要工作及創(chuàng)新成果有：
　　(1)提出了一種基于GGD

7、的SAR圖像CFAR檢測算法。以GGD為SAR圖像背景雜波的統(tǒng)計模型，推導了CFAR檢測算法的檢測閾值表達式。與大量基于經典分布模型的SAR圖像CFAR算法相比，本文算法在虛警率保持和效率上更優(yōu);
　　(2)提出了一種基于GGD的SAR圖像層次分割算法。通過引入GGD對SAR圖像建模，設計了包括兩個步驟的SAR圖像層次分割算法：首先采用最小對數似然損失準則進行圖像區(qū)域合并，然后基于局部貝葉斯準則對圖像區(qū)域的邊界進行演化。與常規(guī)的S