基于稀疏表示與字典學(xué)習(xí)的極化SAR圖像壓縮.pdf

1、合成孔徑雷達(dá)(Synthetic Aperture Radar，SAR)是一種可以全天時(shí)、全天候應(yīng)用的主動(dòng)成像系統(tǒng)，具有較高的分辨率，但是普通SAR系統(tǒng)往往只能得到部分地物信息，而極化 SAR(POLSAR)系統(tǒng)可以提供更加詳細(xì)的地物信息，近幾年極化 SAR系統(tǒng)的研究在國內(nèi)外均取得了較大的進(jìn)展，但是多極化通道與此同時(shí)帶來的是數(shù)據(jù)量的激增，給數(shù)據(jù)的存儲與傳輸造成了極大的壓力，若不能有效地對數(shù)據(jù)進(jìn)行壓縮則需要占用較大的帶寬來傳輸，對后續(xù)圖像

2、的解譯工作帶來極大的壓力。極化SAR數(shù)據(jù)的壓縮不僅要考慮各極化通道內(nèi)的數(shù)據(jù)冗余，還要將通道之間的相位信息考慮在內(nèi)，因此不能將自然圖像的壓縮方法以及單通道SAR圖像壓縮方法直接移植到極化SAR圖像壓縮上來，所以極化SAR數(shù)據(jù)的有效壓縮成為一個(gè)重要的研究課題。
　　本文根據(jù)極化SAR數(shù)據(jù)的特點(diǎn)，充分考慮了通道之間的相關(guān)性，利用字典學(xué)習(xí)算法與稀疏表示理論，提出了幾種新的極化SAR圖像壓縮算法，本文的主要成果如下：
　　1．提出了一

3、種基于稀疏K-SVD字典學(xué)習(xí)算法的在線極化SAR圖像壓縮方法，主要用到了稀疏K-SVD(S-KSVD)字典學(xué)習(xí)算法，該算法不僅對信號進(jìn)行稀疏表示，同時(shí)對字典也進(jìn)行稀疏表示，若是用在圖像壓縮上，字典跟圖像一樣，僅需要傳輸稀疏矩陣即可，利用一維DCT與兩維提升97小波對極化SAR通道之間以及圖像內(nèi)的數(shù)據(jù)冗余進(jìn)行預(yù)去除，然后利用S-KSVD基于壓縮圖像本身訓(xùn)練字典，ORMP算法進(jìn)行稀疏分解進(jìn)一步去除圖像內(nèi)的冗余，極大地提高了壓縮效果。

4、　　2．設(shè)計(jì)了一種基于多尺度字典學(xué)習(xí)與多樣本稀疏表示的極化SAR圖像壓縮方法，該方法是將待壓縮圖像進(jìn)行三維小波分解，初步去除通道內(nèi)以及通道之間的數(shù)據(jù)冗余，然后取訓(xùn)練集小波域垂直方向子帶、水平方向子帶、對角方向子帶分別訓(xùn)練字典，對壓縮測試圖像對應(yīng)方向的小波子帶利用多樣本稀疏表示進(jìn)行稀疏分解，每八列為一組設(shè)定一個(gè)稀疏度，使得稀疏矩陣中重要的系數(shù)得以保留，有效提高了重構(gòu)圖像的質(zhì)量。
　　3．提出了一種基于目標(biāo)保護(hù)與字典學(xué)習(xí)的極化SAR圖

5、像壓縮方法，利用四叉樹對極化SAR圖像進(jìn)行初步分塊處理，利用方差系數(shù)對極化SAR目標(biāo)區(qū)域進(jìn)行提取，然后對目標(biāo)區(qū)域進(jìn)一步分塊，對于目標(biāo)區(qū)域訓(xùn)練尺寸為64×256的字典，而背景區(qū)域訓(xùn)練尺寸為256×1024的字典，在相同稀疏度下目標(biāo)區(qū)域可以保留更多系數(shù)，利用訓(xùn)練得到的字典對壓縮測試圖像對應(yīng)的區(qū)域進(jìn)行稀疏分解，兩個(gè)區(qū)域的稀疏系數(shù)矩陣用Huffman算法進(jìn)行編碼。
　　利用本文所提出的方法對多組極化SAR圖像進(jìn)行壓縮測試并與經(jīng)典的圖像壓縮