合成孔徑雷達(dá)圖像特征提取的方法研究.pdf

1、隨著合成孔徑雷達(dá)(Synthetic Aperture Radar，縮寫為SAR)圖像的應(yīng)用范圍越來越廣，SAR圖像特征提取已成為圖像內(nèi)容分析領(lǐng)域內(nèi)一個非常活躍的研究課題。常見的SAR圖像特征包括邊緣，直線，紋理，形狀，輪廓等，其中邊緣和直線作為圖像中最基本的兩個特征常常被應(yīng)用于圖像識別，模式分類等領(lǐng)域。因此，本文主要研究了如何準(zhǔn)確、有效、可靠地檢測SAR圖像中的邊緣特征以及直線特征。針對SAR圖像邊緣特征檢測，本文提出并解決的問題如下

2、：
　　1、如何降低SAR圖像邊緣檢測算法的錯誤檢測率(錯檢率)。本文指出，常見的檢測算子在空間域上通常具有較長的拖尾長度，同時在頻率域上具有較高的旁瓣高度。這些特點是導(dǎo)致經(jīng)典的SAR邊緣檢測算子產(chǎn)生較高錯檢率的一個重要原因。此外，傳統(tǒng)的檢測算子在檢測邊緣像素時只依賴于單個像素點所提供的信息。由于SAR圖像中乘性噪聲的存在會嚴(yán)重地影響圖像質(zhì)量，增加邊緣檢測的難度，因此僅使用單個像素信息的檢測算子往往不能獲得可靠的檢測結(jié)果。本文提出

3、了一個新的邊緣檢測算子。該算子可以同時使用多個相鄰像素點的信息來協(xié)助邊緣像素的檢測。此外，該算子還具有較短的拖尾長度以及較低的旁瓣高度。相關(guān)實驗表明，與常見的SAR邊緣檢測算子相比，本文提出的檢測算子具有較低的錯檢率。
　　2、如何提高SAR圖像邊緣檢測算法的正確檢測率。真實圖像中的邊緣情況往往比較復(fù)雜。與由強對比度區(qū)域形成的強邊緣相比，由弱對比度區(qū)域形成的弱邊緣通常很難被準(zhǔn)確的檢出。本文提出了一個用于檢測SAR圖像中弱邊緣像素的

4、檢測算法。該檢測算法包含了一個火山口型滑動濾波器以及一個邊緣補償策略。利用火山口型滑動濾波器，算法可以有效地抑制由相干斑噪聲所導(dǎo)致的虛假邊緣；利用邊緣補償策略，算法則可以檢測出大約70％的弱邊緣。因此，與未使用補償策略的檢測算法相比，本文提出的檢測算法具有較高的正確檢測率。
　　3、如何無偏的檢測出SAR圖像中的非理想邊緣。在相干斑噪聲的影響下，圖像中原本清晰的邊緣往往會變得十分模糊。理論分析表明，利用常見的比例類型的SAR圖像邊

5、緣檢測算子去檢測這些被模糊的邊緣，所得到的邊緣位置與真實邊緣位置之間通常存在著一定的偏差。也就是說，常見的比例類型的SAR邊緣檢測算子不能無偏的檢測出非理想邊緣。常見的差分型邊緣檢測算子可以準(zhǔn)確、無偏的檢測出非理想邊緣的位置，但是在乘性噪聲模型下此類檢測算子不具有恒虛警特性。因此，本文提出了一個差分-比例邊緣檢測算子。該檢測算子同時使用了差分操作和比例操作。理論分析和實驗結(jié)果證明，差分-比例檢測算子不僅具有恒虛警特性，同時可以無偏的檢測

6、出SAR圖像中的非理想邊緣。
　　針對SAR圖像直線特征檢測，本文提出并解決的問題如下：
　　1、如何克服直線檢測算法對邊緣檢測結(jié)果的依賴。常見的直線檢測算法大都是基于二值邊緣圖而提出的。也就是說，直線檢測算法是從邊緣檢測的結(jié)果中提取直線，而不是直接從灰度圖像中提取直線。受相干斑噪聲的影響，SAR圖像的邊緣檢測結(jié)果中常常包含較多的虛假、扭曲的邊緣。因此這樣的依賴關(guān)系會導(dǎo)致常見的直線檢測算法的檢測結(jié)果很容易受到邊緣檢測結(jié)果中虛

7、假、扭曲邊緣的負(fù)面影響。本文提出了一個新的直線檢測算法，該算法不依賴二值邊緣圖，而是利用圖像的邊緣場進行直線檢測。實驗結(jié)果表明，該算法可以準(zhǔn)確的檢測出SAR圖像中的直線。
　　2、如何快速的檢測出SAR圖像中的直線特征。常見的直線檢測算法的計算量通常都正比于待檢測圖像的場景復(fù)雜程度。本文提出了一個新的直線檢測算法。該算法使用了本文提出的漏斗變換操作，因此其計算量僅與待檢測圖像的大小有關(guān)。算法直接將圖像空間中的一條直線映射為參數(shù)空間