【摘要】：隨著合成孔徑雷達(dá)（SyntheticAperture Radar，簡稱SAR）系統(tǒng)的快速發(fā)展，高分辨率、多波段、極化、極化干涉等SAR數(shù)據(jù)不斷涌現(xiàn)，使得SAR影像中的建筑物細(xì)節(jié)信息也更加豐富、全面。特別是全極化SAR影像（Polarimetric SAR，簡稱PolSAR），比以往單極化影像蘊含了建筑物的更多細(xì)節(jié)和極化散射特征，這使得更精確的極化SAR影像建筑物檢測與輪廓提取成為可能；同時大量的細(xì)節(jié)信息也很大程度上增加了建筑物檢測與輪廓提取的不穩(wěn)定性，對極化SAR影像建筑物提取提出了新的挑戰(zhàn)。本文針對極化SAR影像的特點，重點研究不同走向建筑物的極化散射機(jī)理，提出了一種適合不同走向建筑物的基于物理散射模型的非相干分解方法，構(gòu)建了建筑物的最優(yōu)特征集，建立了顧及建筑物走向和地形坡度的極化SAR影像城區(qū)建筑物檢測方法以及綜合極化、紋理、幾何結(jié)構(gòu)和極化干涉等多特征融合的農(nóng)村居民點檢測方法。在此基礎(chǔ)上，分別基于標(biāo)記分水嶺分割和局部Radon變換的方法，最終實現(xiàn)了建筑物輪廓的提取。論文完成的主要工作及創(chuàng)新成果如下： （1）提出了基于擴(kuò)展巴氏距離和修正最小角回歸（Least Angle Regression，簡稱LARS）算法的極化SAR影像建筑物最優(yōu)特征集的構(gòu)建方法，有效解決了極化和極化干涉復(fù)數(shù)特征篩選的問題。針對極化SAR影像的特點，首先分析了建筑物在極化SAR影像上表現(xiàn)出的紋理、幾何、極化、極化干涉特征，重點探討不同走向建筑物的極化散射機(jī)理，基于擴(kuò)展巴氏距離和修正LARS算法構(gòu)建建筑物的最優(yōu)特征集。該方法有效利用了極化和極化干涉復(fù)數(shù)特征，充分保持了復(fù)數(shù)特征的相位信息，更準(zhǔn)確地評價復(fù)數(shù)特征區(qū)分建筑物與非建筑物的能力，降低特征空間維數(shù)，提高建筑物檢測精度和運算效率。 （2）提出了一種適合不同走向建筑物的基于物理散射模型的非相干分解方法，解決了已有的基于模型的分解方法存在的體散射過高估計、表面散射和偶次散射出現(xiàn)負(fù)能量點以及方位建筑物被誤分為植被等體散射類型的問題。本文針對已有的分解方法存在的不足，在極化相干矩陣進(jìn)行極化方位角補償后，引入了極化相干矩陣的相位旋轉(zhuǎn)，實現(xiàn)了對相干矩陣進(jìn)行復(fù)數(shù)形式的酉變換，該旋轉(zhuǎn)減小了地形傾斜和方位建筑物的影響；構(gòu)造了一種適合描述方位建筑物的擴(kuò)展的體散射模型，該模型包含純體散射模型和方位二面角散射模型，解決了方位建筑物被誤識別為植被等體散射類型的問題，有利于從植被中區(qū)分方位建筑物；最后，加入兩個能量限制條件，有效避免了表面散射和偶次散射負(fù)能量像素點的出現(xiàn)。 （3）提出了基于建筑物極化散射特性的城區(qū)不同走向建筑物和農(nóng)村居民點檢測方法，解決了走向與雷達(dá)方位向呈一定夾角或者位于傾斜地形的建筑物檢測問題。本文顧及建筑物的不同走向和地形坡度，提出基于改進(jìn)四分量分解的保持建筑物極化散射特性的城區(qū)不同走向建筑物檢測思路，引入了歸一化圓極化相關(guān)系數(shù)檢測方位建筑物，糾正了建筑物散射類型被錯分的問題；考慮農(nóng)村居民點在SAR影像上表現(xiàn)為散列且雜亂亮點的特點，給出了多特征融合的極化SAR影像農(nóng)村居民點檢測思路，該方法結(jié)合了最優(yōu)特征集和改進(jìn)四分量分解的建筑物極化散射特征，，提高了農(nóng)村居民點檢測結(jié)果的精度。 （4）建立了一整套建筑物特征分析與最優(yōu)特征集構(gòu)建——建筑物檢測——建筑物輪廓提取的分層處理體系�；诮ㄖ餀z測的結(jié)果，分別研究了基于標(biāo)記分水嶺分割算法和局部Radon變換的建筑物輪廓提取方法，有效、完整地實現(xiàn)極化SAR影像建筑物的提取。
[Abstract]:......
【學(xué)位授予單位】：中國礦業(yè)大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2013
【分類號】：P237

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 劉正軍;張繼賢;孟亞賓;梁欣廉;孫曉霞;;基于分類與形態(tài)綜合的高分辨率影像建筑物提取方法研究[J];測繪科學(xué);2007年03期

2 方圣輝,朱武;輔以紋理特征的SAR圖像分類研究[J];測繪通報;2001年10期

3 肖志強(qiáng);鮑光淑;黃繼先;;融合SAR和TM圖像更新GIS道路網(wǎng)絡(luò)數(shù)據(jù)[J];測繪學(xué)報;2006年01期

4 李德仁;張繼賢;;影象紋理分析的現(xiàn)狀和方法(一)[J];武測科技;1993年03期

5 李德仁;張繼賢;;影象紋理分析的現(xiàn)狀和方法評述(二)[J];武測科技;1993年04期

6 過林;馬莉;葉詩淳;;基于Radon和樹型小波變換的遙感影像居民地提取[J];測繪與空間地理信息;2012年01期

7 高明星,楊健,彭應(yīng)寧;極化雷達(dá)遙感中目標(biāo)特征提取[J];電波科學(xué)學(xué)報;2004年04期

8 張紅蕾;宋建社;李正莉;;分形方法在SAR圖像分割中的應(yīng)用[J];電光與控制;2007年03期

9 袁禮海;宋建社;薛文通;鄭永安;;利用灰度和紋理特征的SAR圖像分類研究[J];電光與控制;2007年04期

10 喬程;駱劍承;吳泉源;沈占鋒;王宏;;面向?qū)ο蟮母叻直媛视跋癯鞘薪ㄖ锾崛J];地理與地理信息科學(xué);2008年05期

相關(guān)博士學(xué)位論文 前6條

1 高貴;SAR圖像目標(biāo)ROI自動獲取技術(shù)研究[D];國防科學(xué)技術(shù)大學(xué);2007年

2 吳永輝;極化SAR圖像分類技術(shù)研究[D];國防科學(xué)技術(shù)大學(xué);2007年

3 胡利平;合成孔徑雷達(dá)圖像目標(biāo)識別技術(shù)研究[D];西安電子科技大學(xué);2009年

4 趙凌君;高分辨率SAR圖像建筑物提取方法研究[D];國防科學(xué)技術(shù)大學(xué);2009年

5 徐牧;極化SAR圖像人造目標(biāo)提取與幾何結(jié)構(gòu)反演研究[D];國防科學(xué)技術(shù)大學(xué);2008年

6 張臘梅;極化SAR圖像人造目標(biāo)特征提取與檢測方法研究[D];哈爾濱工業(yè)大學(xué);2010年

本文編號：2454241