基于稀疏特征的SAR圖像處理與應用研究.pdf

1、合成孔徑雷達（SAR）是一種工作在微波波段的高分辨率、主動式相干成像雷達，其成像具有全天候、遠距離、能適應惡劣環(huán)境等優(yōu)點，在對地觀測中發(fā)揮著重要的作用。隨著分辨率、成像方式等技術的進步，SAR圖像數(shù)據(jù)量的急劇膨脹給數(shù)據(jù)傳輸和存儲帶來極大的壓力，SAR相干成像的特性帶來的相干斑噪聲給SAR圖像的解譯和應用帶來困難。從SAR圖像的稀疏特性來看，稀疏表示理論在SAR圖像處理與應用領域具有廣闊的前景。開展基于稀疏特征的SAR圖像處理與應用方法研

2、究，可以提高SAR圖像處理和解譯的水平，推廣SAR圖像在民用領域和軍事領域的應用。
　　本文從SAR圖像的稀疏特征出發(fā)，基于字典學習和稀疏模型，對SAR圖像壓縮、SAR圖像相干斑抑制、SAR圖像目標分類和SAR圖像與紅外圖像融合進行了研究。
　　本文主要工作總結如下：
　　第二章研究內(nèi)容：在SAR圖像信號盲稀疏度條件下，現(xiàn)有重構算法中固定閾值的選擇限制了SAR圖像壓縮后重構精度和重構速度的提高。鑒于此，本文提出一種改進

3、的正交匹配追蹤算法。該算法通過非線性下降的閾值快速選擇原子，自動調(diào)節(jié)候選集原子個數(shù)，以便每一次迭代時更加精確地估計真正的支撐集，利用正則化過程實現(xiàn)了支撐集的第二次篩選，實現(xiàn)了盲稀疏度信號的精確重構。本文將算法應用于SAR圖像壓縮，提出了一種基于稀疏表示的SAR圖像壓縮方法。實驗結果表明，本文方法能在壓縮SAR圖像的同時抑制相干斑。
　　第三章研究內(nèi)容：提出了一種基于自蛇擴散和稀疏表示的Contourlet域SAR圖像相干斑抑制方法

4、。對SAR圖像Contourlet變換分解后的低頻子帶采用自蛇擴散處理，并將濾波處理后的系數(shù)作為SAR圖像低頻子帶在Contourlet域的局部均值估計；基于稀疏優(yōu)化模型，利用改進的正交匹配追蹤算法求解高頻子帶的稀疏系數(shù)，重構得到高頻子帶系數(shù)；對濾波后的所有子帶系數(shù)進行Contourlet逆變換，實現(xiàn)SAR圖像的相干斑抑制。實驗結果表明，該方法能在抑制相干斑噪聲的同時較好地保留圖像的邊緣信息。
　　第四章研究內(nèi)容：針對SAR圖像的

5、目標分類，本文提出了三種方法。①基于多子分類器的AdBoost分類方法。該方法首先提取訓練樣本的2D-LDA特征和G2DPCA特征，采用SVM方法分別訓練弱分類器，采用AdaBoost.M2算法將弱分類器提升為強分類器完成SAR圖像的目標分類。實驗結果表明，該方法在識別率和識別時間上優(yōu)于采用單一子分類器的AdaBoost算法。②基于EMACH和稀疏表示的分類方法。該方法針對SAR圖像訓練樣本，采用EMACH算法訓練模板，提取模板的G2D

6、PCA特征構造過完備字典，利用改進的正交匹配追蹤算法求解測試樣本的G2DPCA特征在過完備字典下的稀疏系數(shù)，根據(jù)系數(shù)的能量特征判斷SAR圖像目標的類別。實驗結果表明，該方法在分類速度方面明顯優(yōu)于同類別的其他分類方法。③提出了一種基于級聯(lián)字典和稀疏表示的分類方法。該方法利用SAR圖像訓練樣本庫，按類別生成多個字典，構成級聯(lián)結構，測試樣本經(jīng)過級聯(lián)字典，按需依次求解稀疏系數(shù)，利用重構誤差和投票機制完成SAR圖像的目標分類。實驗結果表明，該方法

7、明顯提高了SAR圖像的目標分類速度。
　　第五章研究內(nèi)容：針對SAR圖像與紅外圖像融合，本文提出了兩種融合方法。①基于自適應權值的曲波域SAR圖像與紅外圖像融合方法。該方法引入模糊理論的分析思想，對源圖像Curvelet變換后的不同頻率子帶系數(shù)采用不同的權值進行處理，通過自適應加權策略實現(xiàn)SAR圖像與紅外圖像融合。實驗結果表明，該方法真實可靠，能夠有效提高融合質(zhì)量。②基于稀疏表示的NSCT域SAR圖像與紅外圖像融合方法。該方法首先