合成孔徑雷達(dá),由于其優(yōu)秀的成像能力,不受云雨等天氣影響,在惡劣環(huán)境下依然能為對(duì)地觀測(cè)提供高質(zhì)量、高時(shí)效性的圖像,彌補(bǔ)了光學(xué)傳感器受天氣影響無(wú)法獲取數(shù)據(jù)的缺陷,是獲取地面信息的重要手段。高分三號(hào)衛(wèi)星,是我國(guó)自主研發(fā)的民用雷達(dá)衛(wèi)星,其全天時(shí)全天候、多模式、多極化方式的多種優(yōu)勢(shì),為我國(guó)對(duì)地觀測(cè)技術(shù)提供了新的思路。隨著雷達(dá)衛(wèi)星的發(fā)展,SAR圖像的分辨率越來(lái)越高,數(shù)據(jù)獲取越來(lái)越方便,能夠?yàn)槌鞘械囊?guī)劃和對(duì)城市資源的監(jiān)控提供實(shí)時(shí)的、具有科學(xué)依據(jù)的數(shù)據(jù)支撐。但是由于城市地物的復(fù)雜多樣性,目前基于高分三號(hào)衛(wèi)星的城市目標(biāo)地物提取研究并不多,同時(shí)對(duì)于高分辨率、高數(shù)據(jù)量的SAR圖像,其處理方式依舊是SAR圖像應(yīng)用過(guò)程中急需解決的問(wèn)題。因此,本文以高分三號(hào)SAR圖像為基礎(chǔ),以城市內(nèi)水體和建筑物為目標(biāo)地物,進(jìn)行目標(biāo)地物的特征提取。高分三號(hào)SAR圖像的處理是圖像應(yīng)用的基礎(chǔ),SAR圖像由于其獨(dú)特的成像機(jī)理,在處理方式上也與傳統(tǒng)的光學(xué)影像有所差別。因此,本文首先分析了高分三號(hào)SAR圖像的處理流程,并從成像原理、幾何特征、影像因素等多個(gè)方面對(duì)SAR圖像進(jìn)行了分析,針對(duì)本文的目標(biāo)地物建筑物和水體在SAR圖像上的特征進(jìn)行了分... 

【文章來(lái)源】：哈爾濱師范大學(xué)黑龍江省

【文章頁(yè)數(shù)】：57 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

研究區(qū)地理位置示意圖

(d)Frost 濾波 (e)中值濾波 (f)均值濾波圖 2-2 濾波后圖像Figure 2-2 Filtered Image2.4 濾波后圖像的質(zhì)量評(píng)價(jià)對(duì)濾波后圖像的質(zhì)量進(jìn)行評(píng)價(jià)，能夠更加準(zhǔn)確的表現(xiàn)出濾波算法對(duì)圖像噪聲的抑制效果。影像濾波后質(zhì)量評(píng)價(jià)方法主要分為兩類：主觀評(píng)價(jià)和客觀評(píng)價(jià)。主觀評(píng)價(jià)主要是指通過(guò)人的眼睛對(duì)圖像直接進(jìn)行觀察，從而對(duì)圖像的質(zhì)量進(jìn)行判斷。主觀評(píng)價(jià)受環(huán)境、人主觀觀念、觀察人的經(jīng)驗(yàn)等影響較大，判別結(jié)果容易產(chǎn)生偏差�？陀^評(píng)價(jià)主要是指采用一些評(píng)價(jià)因子，通過(guò)算法對(duì)圖像的質(zhì)量進(jìn)行評(píng)價(jià)，相較于主觀評(píng)價(jià)，客觀評(píng)價(jià)受環(huán)境等外在影響較小，能夠更加清晰、準(zhǔn)確、直觀的對(duì)濾波后圖像的質(zhì)量進(jìn)行評(píng)價(jià)。本文選取均值、方差、均方誤差、均值保持指數(shù)、等效視數(shù)、邊緣保持指數(shù)六個(gè)因子對(duì)濾波后圖像質(zhì)量進(jìn)行評(píng)價(jià)。以 M、N 分別表示圖像的長(zhǎng)和寬，質(zhì)量評(píng)價(jià)因子的具體計(jì)算公式如下：

圖 3-1 陰影現(xiàn)象示意圖Figure 3-1 Shadow Phenomenon Diagram縮像過(guò)程中，對(duì)有坡度的地物，例如山體等，雷達(dá)依時(shí)間順序記錄回波信號(hào)，導(dǎo)致在成像中山坡的象稱為雷達(dá)的透視收縮。透視收縮通常會(huì)造成圖型對(duì)其進(jìn)行矯正。透視收縮現(xiàn)象示意圖如圖 3

【參考文獻(xiàn)】：
期刊論文
[1]SAR圖像紋理特征相關(guān)變化檢測(cè)的震害建筑物提取[J]. 李強(qiáng),張景發(fā),龔麗霞,薛騰飛,蔣洪波.  遙感學(xué)報(bào). 2018(S1)
[2]一種結(jié)合紋理特征的極化SAR圖像SVM分類方法[J]. 沈璐,權(quán)亞楠,禹哲珠,馬宏宇.  北京測(cè)繪. 2018(10)
[3]典型濱海濕地植被全極化SAR顯著性特征分析與融合分類[J]. 萬(wàn)劍華,張乃心,任廣波,劉善偉.  測(cè)繪地理信息. 2018(05)
[4]高分三號(hào)衛(wèi)星及應(yīng)用概況[J]. 劉杰,張慶君.  衛(wèi)星應(yīng)用. 2018(06)
[5]融合光學(xué)與雷達(dá)遙感數(shù)據(jù)的城市不透水面提取方法[J]. 張鴻生,林殷怡,王挺,宛羅馬,李煜,林琿,張淵智.  地理與地理信息科學(xué). 2018(03)
[6]基于SAR數(shù)據(jù)后向散射及光學(xué)圖像紋理特征的橡膠林提取[J]. 李昔純,岳彩榮,岳振興,張國(guó)飛.  林業(yè)調(diào)查規(guī)劃. 2018(02)
[7]基于Sentinel-1A衛(wèi)星SAR數(shù)據(jù)的水體提取方法研究[J]. 李成繞,薛東劍,張露,蘇璐璐.  地理空間信息. 2018(01)
[8]基于流形學(xué)習(xí)的SAR圖像目標(biāo)分類[J]. 彭易錦.  計(jì)算機(jī)與數(shù)字工程. 2017(12)
[9]高分三號(hào)衛(wèi)星減災(zāi)行業(yè)應(yīng)用能力分析[J]. 楊思全,李素菊,吳瑋,崔燕,劉明.  航天器工程. 2017(06)
[10]基于流形學(xué)習(xí)的高分SAR圖像建筑區(qū)提取方法[J]. 崔師愛,程博,劉岳明.  國(guó)土資源遙感. 2017(04)

博士論文
[1]SAR圖像自動(dòng)目標(biāo)提取方法研究[D]. 宋文青.西安電子科技大學(xué) 2018
[2]基于多源遙感的沼澤濕地水文邊界界定方法研究[D]. 付波霖.中國(guó)科學(xué)院大學(xué)(中國(guó)科學(xué)院東北地理與農(nóng)業(yè)生態(tài)研究所) 2017
[3]極化SAR圖像特征提取與分類方法研究[D]. 劉高峰.西安電子科技大學(xué) 2014
[4]基于高分辨率SAR影像提取建筑物高度的研究[D]. 劉康.武漢大學(xué) 2012

碩士論文
[1]基于流形結(jié)構(gòu)的降維方法及在人臉識(shí)別中的應(yīng)用[D]. 陳文河.東北電力大學(xué) 2018
[2]融合多源SAR影像的礦區(qū)變化檢測(cè)應(yīng)用研究[D]. 馬骕.中國(guó)礦業(yè)大學(xué) 2018
[3]基于流形學(xué)習(xí)的高分辨率SAR影像城市地物特征提取方法研究[D]. 劉岳明.中國(guó)科學(xué)院大學(xué)(中國(guó)科學(xué)院遙感與數(shù)字地球研究所) 2017
[4]高分辨率SAR衛(wèi)星影像洪水區(qū)域提取應(yīng)用研究[D]. 陳志國(guó).武漢大學(xué) 2017
[5]SAR圖像目標(biāo)特征提取與識(shí)別方法研究[D]. 孫永光.西安電子科技大學(xué) 2017
[6]基于流形學(xué)習(xí)的SAR目標(biāo)識(shí)別[D]. 謝加美.電子科技大學(xué) 2017
[7]基于多分辨率分析的SAR圖像和多光譜圖像融合算法研究[D]. 何威.沈陽(yáng)航空航天大學(xué) 2017
[8]高分辨率SAR圖像水體提取算法研究[D]. 龐科臣.長(zhǎng)沙理工大學(xué) 2016
[9]多源遙感圖像水體信息提取方法的研究[D]. 魏航.北京理工大學(xué) 2016



本文編號(hào)：3536148