本文關鍵詞：基于重采樣的SAR圖像邊緣檢測的研究　出處：《天津理工大學》2017年碩士論文　論文類型：學位論文

  更多相關文章： SAR圖像 隨機加權 收斂性 邊緣檢測 參數估計G~0分布

【摘要】：合成孔徑雷達(Synthetic Aperture Radar,SAR)是一種主動式微波傳感器,由于其具有全天時、全天候、高分辨率的特點,已被廣泛應用于經濟、軍事和科學研究等多領域。但是由于SAR圖像中固有的斑點噪聲影響了圖像的質量,導致SAR圖像的理解與解譯能力相對滯后。為了可以準確的表達SAR圖像所包含信息,本文綜述了SAR圖像統(tǒng)計建模研究中的概率分布模型,并根據G~0分布的統(tǒng)計性質進一步研究了該模型的參數估計,最后在此基礎上進行了邊緣檢測和置信區(qū)間估計的研究,主要內容如下:1)針對SAR圖像在G~0統(tǒng)計模型下的參數估計,比較分析了傳統(tǒng)的最大似然參數估計和矩估計等算法。為解決G~0分布參數估計的準確性和有效性,本文利用隨機加權法的優(yōu)點,提出了基于隨機加權與類比估計相結合的參數估計方法,并通過不同視數和粗糙參數值在真實數據和模擬數據下進行實驗驗證分析,實驗結果驗證了本文提出的估計方法精準高、魯棒性好。2)在進行G~0分布模型的參數估計下,本文將SAR圖像邊緣檢測和邊緣置信區(qū)間估計的兩種方法進行了比較,一是基于廣義似然檢測和隨機加權的SAR圖像邊緣檢測和邊緣置信區(qū)間估計的參數方法,二是基于KW方法和Bootstrap的SAR圖像邊緣檢測和邊緣置信區(qū)間估計的非參數方法,并通過實驗驗證了該方法的有效性和準確性。
[Abstract]:Synthetic Aperture radar (SAR) is an active microwave sensor, because of its all-day, all-weather, high-resolution characteristics. It has been widely used in many fields, such as economy, military and scientific research, but the image quality is affected by the inherent speckle noise in SAR image. In order to accurately express the information contained in SAR images, this paper summarizes the probabilistic distribution models in the statistical modeling of SAR images. The parameter estimation of the model is further studied according to the statistical properties of the Gn0 distribution. Finally, the edge detection and confidence interval estimation are studied. The main contents of this paper are as follows: (1) the parameter estimation of SAR image under Gn0 statistical model. The traditional maximum likelihood parameter estimation and moment estimation algorithms are compared and analyzed. In order to solve the accuracy and validity of parameter estimation of Gn0 distribution, the advantage of random weighting method is used in this paper. A parameter estimation method based on the combination of random weighting and analogy estimation is proposed, and the experimental verification and analysis are carried out under the real data and simulation data with different visual numbers and rough parameter values. The experimental results show that the proposed estimation method is accurate and robust. 2) under the condition of parameter estimation of Gn0 distribution model. In this paper, two methods of edge detection and edge confidence interval estimation in SAR images are compared. One is a parameter method based on generalized likelihood detection and random weighted SAR image edge detection and edge confidence interval estimation. The second is a non-parametric method for edge detection and edge confidence interval estimation of SAR images based on KW method and Bootstrap. The validity and accuracy of the method are verified by experiments.
【學位授予單位】：天津理工大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：TN957.52

【相似文獻】

相關期刊論文 前10條

1 宋培華,陸宗騏,高敦岳;基于Log_Prewitt算子的邊緣檢測算法[J];小型微型計算機系統(tǒng);2002年11期

2 王宇生,卜佳俊,陳純;一種基于積分變換的邊緣檢測算法[J];中國圖象圖形學報;2002年02期

3 顧曉東,王曉明,劉健;基于曲線坐標系的圖像邊緣檢測[J];計算機工程與應用;2002年03期

4 何仁貴,黃登山,陳金兵;基于灰色預測模型的圖像邊緣檢測[J];西北工業(yè)大學學報;2005年01期

5 鄭勝,柳健,田金文;基于向量機的邊緣檢測算法優(yōu)化研究[J];電子與信息學報;2005年05期

6 王娜,李霞;一種新的改進Canny邊緣檢測算法[J];深圳大學學報;2005年02期

7 王文豪;;圖象邊緣檢測中邊界閉合性的分析與探討[J];計算機與信息技術;2005年12期

8 劉軍;姚子建;;用邊緣檢測算子實現圖像邊緣檢測[J];福建電腦;2006年02期

9 李葆青;文山;;邊緣檢測準則與幾種典型算法[J];六盤水師范高等專科學校學報;2006年03期

10 鄭子華;陳家禎;鐘躍康;;基于灰色加權絕對關聯(lián)度的邊緣檢測算法[J];電腦知識與技術;2006年20期

相關會議論文 前10條

1 王巖;勒中鑫;;邊緣檢測中幾種方法的比較[A];1998年中國智能自動化學術會議論文集（下冊）[C];1998年

2 孟偉;王秀澤;張巖;;離散Canny邊緣檢測算法的實現[A];走近CIE 26th——中國照明學會（2005）學術年會論文集[C];2005年

3 周勝靈;丁珠玉;;農產品邊緣檢測系統(tǒng)研究[A];中國農業(yè)工程學會2011年學術年會論文集[C];2011年

4 任獲榮;楊夏穎;何培培;孫建維;高敏;;邊緣檢測技術發(fā)展現狀及其在零件識別中的應用綜述[A];第三屆數控機床與自動化技術專家論壇論文集[C];2012年

5 王巖;勒中鑫;;幾種邊緣檢測方法及其比較[A];中國圖象圖形科學技術新進展——第九屆全國圖象圖形科技大會論文集[C];1998年

6 葉樂軍;王強;;基于自適應邊緣檢測的大空間火災目標監(jiān)測技術[A];中國職業(yè)安全健康協(xié)會2007年學術年會論文集[C];2007年

7 沈亮;潘德爐;王迪峰;;機載多通道掃描儀圖像的邊緣檢測初步研究[A];2008中國儀器儀表與測控技術進展大會論文集（Ⅰ）[C];2008年

8 李文輝;郭寧寧;郝鑫;;優(yōu)化邊緣檢測的分析和解決方案[A];“加入WTO和科學技術與吉林經濟發(fā)展——機遇·挑戰(zhàn)·責任”吉林省第二屆科學技術學術年會論文集（上）[C];2002年

9 王培珍;孟祥昊;張克;鄭詩程;潘瑞雪;;板材圖像邊緣檢測算法研究[A];第25屆中國控制與決策會議論文集[C];2013年

10 王海嵐;樊紹勝;;一種改進的模糊形態(tài)學邊緣檢測算法[A];中國自動化學會中南六�。▍^(qū)）2010年第28屆年會·論文集[C];2010年

相關重要報紙文章 前1條

1 鳴人;Photoshop CS5:三大功能再進化[N];中國攝影報;2010年

相關博士學位論文 前10條

1 磨少清;邊緣檢測及其評價方法的研究[D];天津大學;2011年

2 董鴻燕;邊緣檢測的若干技術研究[D];國防科學技術大學;2008年

3 王媛妮;順序形態(tài)邊緣檢測及分水嶺圖像分割研究[D];武漢大學;2010年

4 遲健男;圖像形態(tài)學和小波分析在圖像增強與邊緣檢測中的應用[D];東北大學;2005年

5 李杏梅;Contourlet變換在圖像去噪與邊緣檢測中的應用研究[D];華中科技大學;2011年

6 丁興號;基于小波分析的視覺檢測技術研究[D];合肥工業(yè)大學;2003年

7 閆海霞;基于數學形態(tài)學的圖像邊緣檢測和增強算法的研究[D];吉林大學;2009年

8 謝松法;模式特征的提取與應用研究[D];華中科技大學;2007年

9 吳慶崗;復雜背景輸電線圖像中部件邊緣提取算法研究[D];大連海事大學;2012年

10 Ali Abdullah Yahya;[D];合肥工業(yè)大學;2014年

相關碩士學位論文 前10條

1 林江;基于邊緣檢測和馬爾可夫隨機場的AD癥腦MRI分割方法研究[D];西南交通大學;2015年

2 呂威駿;基于分數階傅里葉變換和多尺度跟蹤的邊緣檢測算法[D];鄭州大學;2015年

3 亓曉彤;基于攝影測量的板類件孔位檢測方法研究[D];中國地質大學(北京);2015年

4 李志;基于視頻的軌檢定位技術研究[D];西南交通大學;2015年

5 王芮;基于多窗口的蟻群圖像邊緣檢測及并行算法[D];南京師范大學;2015年

6 韓璐;改進的基于多尺度多方向結構元素和形態(tài)學的邊緣檢測算法[D];山東大學;2015年

7 郭峰;基于Mumford-Shah模型的圖像邊緣檢測算法[D];華北電力大學;2015年

8 陳美榮;基于N-Smoothlets的圖像處理關鍵技術研究[D];電子科技大學;2015年

9 喬建強;火焰圖像邊緣檢測及修復算法的研究[D];華北電力大學;2015年

10 楊艷爽;行車安全預警系統(tǒng)的設計與實現[D];中國科學院研究生院（沈陽計算技術研究所）;2015年

，

本文編號：1406110