極化SAR圖像邊緣與區(qū)域信息提取方法研究.pdf

1、極化合成孔徑雷達（Synthetic Aperture Radar,SAR）是一種高級的雷達成像系統(tǒng)，通過控制發(fā)射與接收電磁波的極化方式以獲取更豐富的地物與目標特性。通過最近二三十年的研究發(fā)現(xiàn)，極化SAR數(shù)據(jù)能夠在目標檢測、地物分類、地表參數(shù)反演與地表高程反演等典型應(yīng)用領(lǐng)域提供比單極化SAR數(shù)據(jù)更為豐富的信息、獲得更為優(yōu)越的性能。如今，多個在軌運行的衛(wèi)星系統(tǒng)正在提供海量的極化SAR數(shù)據(jù)，絕大多數(shù)計劃未來發(fā)射和在研發(fā)的星載SAR系統(tǒng)能夠提

2、供多極化數(shù)據(jù)，如何充分挖掘這些海量復雜數(shù)據(jù)當中的信息是突破其應(yīng)用瓶頸的關(guān)鍵，開發(fā)極化SAR圖像理解與信息挖掘性能穩(wěn)定的、自動/半自動的解譯系統(tǒng)亟待研究。
　　在極化SAR圖像解譯領(lǐng)域，主導的分析方法為兩類：散射特性分析與統(tǒng)計建模。為了充分挖掘極化SAR數(shù)據(jù)信息，結(jié)合雷達圖像對目標結(jié)構(gòu)敏感這一特點，并且面向高分辨率圖像理解、多源數(shù)據(jù)融合、多時相數(shù)據(jù)分析等解譯新思路，本文將研究重心放在極化SAR圖像空間域的信息分析與提取。所謂空域信息

3、（spatial information），是指圖像像素在空間域上形成某些固有模式所提供的信息，具體說主要包括邊緣、線段、區(qū)域和紋理等信息。
　　本文集中、系統(tǒng)的研究極化SAR數(shù)據(jù)典型空域信息邊緣與區(qū)域信息的提取方法，為極化SAR圖像專門設(shè)計與構(gòu)建對象化表征；并探索邊緣與區(qū)域信息提取對于提升極化SAR圖像解譯程度、性能的作用，開發(fā)融合空域信息的地物分類、變化檢測極化SAR圖像解譯流程，為驗證算法的有效性提供依據(jù)。
　　本文的

4、理論基石為：極化SAR圖像統(tǒng)計模型與相似性衡量。邊緣與區(qū)域空域信息提取的核心基礎(chǔ)在于定量分析像素與其空域相鄰像素之間的相似性。由于極化SAR數(shù)據(jù)受到固有相干斑噪聲的干擾，因此相似性衡量體現(xiàn)為圖像中兩個實體之間在統(tǒng)計意義上相似程度的衡量。作為極化SAR圖像邊緣與區(qū)域信息提取的核心基礎(chǔ)，本文首先介紹極化SAR圖像的統(tǒng)計建模方法及其適用范圍，在此基礎(chǔ)上調(diào)研與分析極化SAR圖像中兩個像素之間的相似性衡量方法，并針對本文具體研究內(nèi)容，深入探討面向

5、極化SAR圖像邊緣與區(qū)域信息提取的概率相似性衡量方法。
　　在此基礎(chǔ)之上，立足于實際應(yīng)用需求并結(jié)合國內(nèi)外研究現(xiàn)狀，本文定位于根據(jù)數(shù)據(jù)特性，開展針對極化SAR圖像邊緣與區(qū)域信息提取方法的研究。本文的主要貢獻與創(chuàng)新點包括：
　　保分辨精定位邊緣提取–本文提出一種基于退化濾波器和加權(quán)最大似然估計的極化SAR圖像邊緣提取方法，利用加權(quán)最大似然估計準則來估計退化濾波器中所需的概率分布參數(shù)，克服傳統(tǒng)邊緣提取方法的性能制約因素。實驗結(jié)果表

6、明，該方法與傳統(tǒng)邊緣提取方法相比具有更好的提取性能，提取結(jié)果更為細膩，定位更為準確。
　　?超像素生成–本文提出一種基于圖譜劃分理論的單/多時相極化SAR圖像超像素生成方法，以圖像邊緣信息為超像素生成的信息源、以邊緣強度為中介獲得像素間全局的相似性衡量，通過對圖像進行最優(yōu)化的過分割生成超像素。在超像素生成的基礎(chǔ)上，本文提出基于超像素的極化SAR圖像類別數(shù)目自適應(yīng)分類方法與基于多時相超像素的極化SAR圖像變化檢測方法。實驗驗證了所提

7、方法的有效性。
　　空域自適應(yīng)區(qū)域生成–本文提出一種基于wedgelet分析的極化SAR圖像空域自適應(yīng)區(qū)域生成方法，利用基于極化SAR圖像統(tǒng)計信息的數(shù)據(jù)保真度衡量進行極化SAR圖像多尺度wedgelet分解，采用自底向上四叉樹剪枝法實現(xiàn)極化SAR圖像多尺度wedgelet表征作為空域自適應(yīng)初始區(qū)域生成結(jié)果，并基于Wishart Markov隨機場模型對初始區(qū)域生成結(jié)果進行優(yōu)化。實驗驗證了所提方法對包含異質(zhì)性場景的極化SAR圖像進行

8、區(qū)域生成的優(yōu)勢。
　　全局主導地物輪廓勾勒–本文提出一種基于圖像表征的極化SAR圖像全局主導地物輪廓勾勒方法，根據(jù)地物輪廓具有全局稀疏性的特點，提出專門為極化SAR圖像設(shè)計與構(gòu)建的約束L0梯度最小化表征，同時利用圖像的統(tǒng)計特性與空域特性，實現(xiàn)地物輪廓的勾勒。實驗結(jié)果表明，所得的地物輪廓勾勒能夠?qū)O化SAR圖像實現(xiàn)有效的表征：對于同質(zhì)性場景的地物勾勒大塊區(qū)域的平滑輪廓，而同時保留異質(zhì)性場景的地物輪廓細節(jié)。
　　針對本文中所有的

9、方法研究，均利用仿真和/或真實極化SAR數(shù)據(jù)，通過視覺性能展示、數(shù)值性能評估的手段分析本文所提方法的性能，確認本文方法實現(xiàn)其設(shè)計目標，驗證本文提出的極化SAR圖像邊緣與區(qū)域信息提取方法的有效性和優(yōu)勢性，實現(xiàn)極化SAR圖像的對象化表征，并且對于極化SAR圖像的解譯程度和性能具有一定的提升作用。當然，值得說明的是，根據(jù)客觀條件，目前我們只是在有限的、被極化SAR圖像解譯領(lǐng)域廣泛使用的數(shù)據(jù)集上測試、檢驗本文所提方法的性能。未來，需要將這些算法