綜合極化信息和改進(jìn)FNEA的PolSAR影像建筑物提取
本文選題：面向?qū)ο?/strong> + 建筑物提取��； 參考：《山東科技大學(xué)》2017年碩士論文
【摘要】：極化合成孔徑雷達(dá)(Polarimetric Synthetic Aperture Radar, PolSAR)是在原有單極化合成孔徑雷達(dá)基礎(chǔ)上發(fā)展來的能接收不同極化散射通道散射信息的新型雷達(dá)。極化SAR獲取到的不同極化通道的極化信息反映不同類型地物對不同極化方向雷達(dá)波的響應(yīng),研究建筑物在不同極化通道下的響應(yīng),可以提供與光學(xué)信息截然不同的另一視角來指導(dǎo)建筑物的提取。然而,目前利用極化信息開展的建筑物研究多是基于像素級的,面向?qū)ο蟮难芯枯^少。本文重點(diǎn)研究面向?qū)ο蟮臉O化SAR建筑物提取中的關(guān)鍵步驟——分割和提取。首先針對分形網(wǎng)絡(luò)演化(Fractal Net Evolution Approach,FNEA)方法應(yīng)用于極化SAR影像分割時(shí)出現(xiàn)邊緣漂移現(xiàn)象的問題,引入邊緣特征對分形網(wǎng)絡(luò)演化方法中的底層像素合并進(jìn)行引導(dǎo);接著針對保持極化散射特性的建筑物提取方法利用特征單一、建筑物提取精度較差的問題,引入極化方位角特征、亮度特征和紋理特征減少建筑物的漏檢和誤檢;并通過機(jī)載全極化數(shù)據(jù)設(shè)立三組對比試驗(yàn),證明了改進(jìn)的分割方法和建筑物提取方法的有效性。論文的主要研究內(nèi)容及創(chuàng)新點(diǎn)如下:(1)從描述電磁波極化特性的Jones矢量、極化橢圓和Stokes矢量出發(fā),總結(jié)了目標(biāo)的極化散射特性,并比較了幾種極化SAR影像相干斑濾波方法的效果,為后續(xù)的研究打下基礎(chǔ)。(2)提出改進(jìn)FNEA的極化SAR影像分割方法。針對FNEA方法應(yīng)用于極化SAR影像分割時(shí)因初始合并邊緣信息缺乏導(dǎo)致分割結(jié)果中出現(xiàn)邊緣漂移現(xiàn)象的問題,引入邊緣特征引導(dǎo)像素級合并生成初始對象,以該初始對象為起點(diǎn),計(jì)算融入極化信息的廣義相似度準(zhǔn)則,搜索最優(yōu)對象合并,完成多尺度閾值下的分割,并以單特征建筑物提取的總體精度作為尺度參數(shù)的篩選標(biāo)準(zhǔn),得到最優(yōu)尺度的分割結(jié)果,用于后續(xù)對象級建筑物提取。(3)提出綜合多特征的極化SAR影像建筑物提取方法。針對現(xiàn)有的面向?qū)ο蟮臉O化SAR建筑物提取方法利用特征較單一的問題,詳細(xì)分析了漏檢、誤檢形成的原因和對應(yīng)的極化分解特征的表征,接著詳細(xì)論述了綜合利用極化方位角特征、亮度特.征和紋理特征進(jìn)行改進(jìn)的方法,并對方法實(shí)現(xiàn)過程中的若干關(guān)鍵點(diǎn)進(jìn)行了討論,同時(shí),提出了對象占優(yōu)因子對傳統(tǒng)散射類型占優(yōu)的方法進(jìn)行了改進(jìn),形成了一套面向?qū)ο蟮木C合多特征的極化SAR建筑物提取方法。
[Abstract]:Polarimetric synthetic aperture radar (Polarimetric Synthetic Aperture Radar, PolSAR) is in the original single polarization synthetic aperture radar based on the development of new radar can receive different polarization scattering channel scattering information to get to the SAR. The polarization in different polarization channel polarization information to reflect the different types of objects of different polarization radar wave response response research the buildings in different polarization channel, extraction can provide another perspective different from optical information to guide the building. However, current research by using polarization information of buildings is based on pixel level, research on object oriented segmentation and extraction less. Key steps of this paper focuses on the research of polarization SAR building object-oriented extraction at first according to fractal net evolution (Fractal Net Evolution Approach, FNEA) method is used in the segmentation of polarimetric SAR images When the edge drift problem, introduce the edge pixels with low-level features of fractal network evolution method in the guide; then in order to keep the polarimetric scattering characteristics of building extraction methods using single feature, the poor performance of building extraction, the polarization azimuth characteristics, brightness and texture of buildings to reduce missed and false detection; and through the airborne polarimetric data set up three groups of contrast experiments, proved the effectiveness of segmentation methods and building improved extraction method. The main research contents and innovations are as follows: (1) from the Jones vector to describe electromagnetic wave polarization, polarization ellipse and vector of Stokes, summarizes the polarimetric scattering characteristics of targets. And a comparison of several polarimetric SAR image speckle filtering method, lay the foundation for further study. (2) proposed the improved FNEA polarization SAR image segmentation Methods. The edge drift phenomena in FNEA method applied to polarimetric SAR image segmentation by merging initial edge information due to a lack of segmentation results in problems, using edge features to guide the pixel level combined to generate the initial object, the initial object as a starting point, calculate the generalized similarity criteria into the polarization information, search the optimal object with multi scale, complete threshold segmentation, selection criteria as the scale parameter and the overall accuracy in single building feature extraction, optimal scale segmentation results for subsequent object extraction of buildings. (3) extraction method is proposed for polarimetric SAR image building integrated multi features. Using the method of single feature extraction in existing object-oriented. Polarized SAR buildings, a detailed analysis of the detection, characterization of Decomposition Characteristic polarization error causes and the corresponding form, then in detail Comprehensive utilization of polarization azimuth characteristics, brightness. A method of improving signs and texture features, and some key points in the implementation process of the method is discussed, at the same time, put forward the method of object dominant factor on the traditional dominant scattering type was improved, forming a multi feature set of object oriented polarization SAR building extraction method.
【學(xué)位授予單位】：山東科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：P237
【參考文獻(xiàn)】
相關(guān)期刊論文 前10條
1 周則明;孟勇;黃思訓(xùn);胡寶鵬;;基于能量最小化的星載SAR圖像建筑物分割方法[J];自動化學(xué)報(bào);2016年02期
2 張恒;余濤;柳鵬;張周威;;高分辨率SAR影像形態(tài)學(xué)層級分析的建筑物檢測[J];中國圖象圖形學(xué)報(bào);2015年11期
3 陳軍;杜培軍;譚琨;;一種改進(jìn)的全極化SAR影像面向?qū)ο蠓诸惙椒╗J];中國礦業(yè)大學(xué)學(xué)報(bào);2015年05期
4 徐旭;張風(fēng)麗;王國軍;周良將;邵蕓;梁興東;;基于L型結(jié)構(gòu)中心線的SAR圖像建筑物提取方法[J];計(jì)算機(jī)應(yīng)用研究;2015年06期
5 蘇娟;張強(qiáng);陳煒;王繼平;;高分辨率SAR圖像中建筑物特征融合檢測算法[J];測繪學(xué)報(bào);2014年09期
6 張紅;葉曦;王超;張波;吳樊;湯益先;;面向?qū)ο蟮母叻直媛蔛AR圖像處理及應(yīng)用[J];中國圖象圖形學(xué)報(bào);2014年03期
7 咼維;胡濤;廖明生;陳呈輝;;用于高分辨率SAR影像建筑物提取的對象級高亮特征描述方法[J];武漢大學(xué)學(xué)報(bào)(信息科學(xué)版);2014年02期
8 王國軍;張風(fēng)麗;徐旭;邵蕓;;幾何模型約束的SAR圖像建筑物提取[J];紅外與毫米波學(xué)報(bào);2013年05期
9 尹杰;楊魁;段毅;;面向?qū)ο蟮臉O化干涉SAR影像分割算法研究[J];測繪通報(bào);2013年06期
10 黃曉東;劉修國;陳啟浩;陳奇;;一種綜合多特征的全極化SAR建筑物分割模型[J];武漢大學(xué)學(xué)報(bào)(信息科學(xué)版);2013年04期
相關(guān)博士學(xué)位論文 前2條
1 閆麗麗;基于散射特征的極化SAR影像建筑物提取研究[D];中國礦業(yè)大學(xué);2013年
2 李賀;面向?qū)ο蟮腜olSAR圖像典型地物提取關(guān)鍵技術(shù)研究[D];解放軍信息工程大學(xué);2012年
相關(guān)碩士學(xué)位論文 前4條
1 孔龍騰;基于面向?qū)ο蟮臉O化SAR地物分類[D];大連海事大學(xué);2015年
2 張明媚;面向?qū)ο蟮母叻直媛蔬b感影像建筑物特征提取方法研究[D];太原理工大學(xué);2012年
3 江娜;高分辨率遙感影像建筑物半自動提取方法研究[D];山東科技大學(xué);2009年
4 高明星;基于極化SAR的目標(biāo)特征提取及其應(yīng)用[D];清華大學(xué);2004年
，本文編號：1771234
本文鏈接：http://sikaile.net/kejilunwen/dizhicehuilunwen/1771234.html
