基于相干圖學習的干涉SAR圖像分割.pdf

1、干涉SAR(Interferometric Synthetic Aperture Radar，InSAR)作為合成孔徑雷達的延伸和發(fā)展，主要關注于獲取數(shù)字高程圖（Digital Elevation Model，DEM）。本文在介紹干涉SAR技術的基礎上，著重于干涉SAR圖像的分割。相干圖作為干涉SAR技術的中間步驟，有著重要的物理意義。它不僅作為相位圖的評價標準，而且對于地物具有良好的可分性能。本文在對相干圖的特性進行分析的基礎上，利用

2、其特性進行地物劃分。然后利用相干圖的良好的可分性，將其遷移到目標 SAR圖像上，以獲取更好的SAR圖像的分割效果。本文的主要工作如下：
　　1.提出了一種基于相干特性與空間信息的干涉 SAR的相干圖分割方法。首先對相干圖的同質區(qū)域進行統(tǒng)計分析，比較不同勻質區(qū)域的均值和方差參數(shù)，基于相干圖的統(tǒng)計特性，利用最大后驗概率的貝葉斯分類器進行相干圖的初始劃分，同時引入Markov隨機場，利用相干圖的鄰域信息，從而有效的進行雜點去除。實驗結果

3、顯示挖掘出的相干圖特性和空間信息能夠較好實現(xiàn)干涉SAR的相干圖分割。
　　2.提出一種相干圖遷移聚類的SAR圖像分割算法。利用Kmeans方法對目標SAR圖像進行初始劃分，根據(jù)得到的初始標簽，用K-SVD算法為每一類數(shù)據(jù)學習一個字典。為了減少計算的復雜度和降低算法的隨機性，根據(jù)每一類的聚類中心，選擇距中心最近的一批樣本作為訓練數(shù)據(jù)來訓練字典。在進行目標SAR圖像分割時，將相干圖中可分的信息通過稀疏表示的字典，遷移到目標SAR圖像上