SAR圖像去噪、分割及目標(biāo)檢測方法研究.pdf

1、合成孔徑雷達(dá)(SAR)在民用和軍事領(lǐng)域都有著廣闊的發(fā)展前景和實用價值，SAR圖像處理的關(guān)鍵技術(shù)成為了國內(nèi)外的研究熱點。因此，對SAR圖像處理的關(guān)鍵技術(shù)進(jìn)行研究具有重要的理論和實際意義。本人在現(xiàn)有成果的基礎(chǔ)上，研究了SAR圖像去噪、分割及目標(biāo)檢測的方法，主要工作如下：
　　首先，研究了一種基于復(fù)Contourlet變換和隱馬爾科夫樹(HMT)模型的SAR圖像去噪方法。該方法利用復(fù)Contourlet變換的多尺度、多方向性和平移不變性

2、的特點，將其與HMT模型相結(jié)合，從而能夠準(zhǔn)確地描述復(fù)Contourlet變換域系數(shù)在相鄰尺度間的相關(guān)性。對實驗結(jié)果的定量分析可知，該方法取得了良好的去噪效果。
　　其次，提出了一種基于混沌粒子群優(yōu)化(CPSO)的二維模糊Tsallis熵SAR圖像閾值分割方法。該方法引入模糊集理論，在定義隸屬度函數(shù)時考慮像素的鄰域灰度信息。同時利用CPSO算法搜索最優(yōu)的模糊參數(shù)，減少了運算時間。實驗結(jié)果表明該方法在分割效果和運算速度上都有一定的提高

3、。
　　再次，實現(xiàn)了一種基于二維最小Tsallis交叉熵的SAR圖像艦船檢測方法。該方法首先使用基于二維最小Tsallis交叉熵的方法從背景中提取到含有艦船目標(biāo)的感興趣區(qū)域，然后利用數(shù)學(xué)形態(tài)學(xué)的方法去除感興趣區(qū)域中的虛假目標(biāo)。由實驗結(jié)果可知，該方法能夠在復(fù)雜背景中提取出艦船目標(biāo)，并且有效地降低了虛警率。
　　接著，在研究了核模糊聚類(KFCM)算法和Chan-Vese(CV)模型的基礎(chǔ)上，提出了一種KFCM算法和CV模型結(jié)合

4、的SAR圖像海面溢油檢測方法。該方法利用KFCM算法將圖像映射到高維特征空間，使屬于不同類的數(shù)據(jù)更易劃分。在CV模型中耦合KFCM的區(qū)域信息，提高了CV模型的收斂速度。通過對比率圖像方差和對數(shù)歸一化似然比的定量比較可知，該方法具有一定的優(yōu)越性。
　　最后，給出了一種基于Contourlet域模極大值和改進(jìn)數(shù)學(xué)形態(tài)學(xué)的SAR圖像河流檢測方法。該方法利用Contourlet變換各方向子帶的方向信息和梯度信息，分別采用模極大值方法和改進(jìn)