極化SAR圖像的分割和分類(lèi)算法研究.pdf

1、SAR圖像中包含多種地物目標(biāo)信息，圖像中各類(lèi)目標(biāo)的準(zhǔn)確分類(lèi)，對(duì)SAR圖像中地物目標(biāo)信息的理解具有重要意義。特別是極化SAR，由于極化散射矩陣包含有豐富的地物信息，因此，極化SAR圖像的分割和分類(lèi)一直是雷達(dá)遙感應(yīng)用領(lǐng)域的熱門(mén)研究方向之一。 但是，由于自然場(chǎng)景的復(fù)雜性，在目前的極化SAR圖像處理研究中，仍然存在著數(shù)據(jù)統(tǒng)計(jì)先驗(yàn)知識(shí)不足、特征量不能全面描述目標(biāo)物理屬性等問(wèn)題，影響了極化SAR信息處理方法的普遍推廣，如何提高分類(lèi)和分割精度

2、、魯棒性能是當(dāng)前極化SAR圖像分類(lèi)研究中的一個(gè)重點(diǎn)。 近年來(lái)，基于偏微分方程的圖像分析與處理成為人們研究的焦點(diǎn)，本文在研究當(dāng)前極化SAR圖像處理中圖像分割和分類(lèi)領(lǐng)域的發(fā)展情況的基礎(chǔ)上，重點(diǎn)開(kāi)展以偏微分方程為基礎(chǔ)的SAR圖像分割和分類(lèi)研究，主要工作和貢獻(xiàn)如下： 1)深入分析了SAR圖像的區(qū)域與邊界特征，建立了參數(shù)活動(dòng)輪廓模型和幾何活動(dòng)輪廓模型，利用特征信息定義了合理的能量泛函模型，提出了基于邊界和區(qū)域信息的活動(dòng)輪廓模型的圖

3、像分割水平集算法，不僅能夠自然地處理邊界拓?fù)渥兓?，而且同時(shí)能檢測(cè)圖像中多個(gè)物體邊緣，提高了分割性能。 2)建立了一種用于圖像分類(lèi)的變分模型，該模型結(jié)合正則化過(guò)程，可以較好地保持圖像邊緣信息，同時(shí)可以用于圖像恢復(fù)。基于變分法的極化SAR圖像分類(lèi)方法不僅能夠?qū)崿F(xiàn)SAR圖像的正確分類(lèi)，克服SAR圖像中相干斑噪聲的影響，并且算法快速，易于實(shí)現(xiàn)。 3)提出了一種基于偏微分方程的多區(qū)域SAR圖像分割方法，充分結(jié)合圖像邊緣梯度信息和多

4、區(qū)域的統(tǒng)計(jì)特征信息，既克服了僅僅依靠邊界梯度進(jìn)行分割的缺陷，又能充分利用邊界梯度信息，該方法沒(méi)有引入任何附加參數(shù)，同時(shí)可以估計(jì)區(qū)域數(shù)目，使用分級(jí)分裂最小化能量函數(shù)，從而獲得更理想的分割效果。 4)建立了適合于極化SAR的偏微分方程模型，利用曲線(xiàn)演化和水平集方法研究極化SAR圖像的分割問(wèn)題，并結(jié)合圖像的極化信息，將極化信息作為邊界演化的判定條件之一，控制邊界的運(yùn)動(dòng)和停止，實(shí)現(xiàn)極化SAR圖像的分割，同時(shí)有效解決水平集方法分類(lèi)問(wèn)題中過(guò)