【摘要】：極化合成孔徑雷達(dá)(POL-SAR)技術(shù)是在合成孔徑雷達(dá)(SAR)技術(shù)的基礎(chǔ)上發(fā)展來的,它是一種新型的遙感技術(shù)。它不僅繼承了SAR的能全天時,全天候的工作,高分辨率等優(yōu)勢,還能夠獲得多種極化組合方式下的回波信號,給人們提供更準(zhǔn)確、更豐富的地物目標(biāo)散射信息。所以,極化SAR被廣泛的應(yīng)用到了民用領(lǐng)域和軍事領(lǐng)域。但是,極化SAR存在的相干斑噪聲不僅降低了圖像的質(zhì)量,還給極化SAR的地物分類,目標(biāo)的檢測和識別等研究領(lǐng)域帶來了困難。現(xiàn)有的很多相干斑抑制算法在對圖像進(jìn)行降斑處理的同時不能很好的保持圖像中的細(xì)節(jié)信息和散射特性。本文通過對合成的極化SAR數(shù)據(jù)和真實的極化SAR數(shù)據(jù)進(jìn)行分析,提出了兩種極化相似性度量方法:基于三分類的極化相似性度量方法和基于統(tǒng)計分布模型的極化相似性度量方法并將它們應(yīng)用到極化SAR相干斑抑制中。本文的主要工作:(1)通過對吳月珍提出的極化相似性度量方法的研究,提出了一種基于三分類的極化相似性度量方法。該相似性度量方法首先對極化數(shù)據(jù)進(jìn)行混合四分量(HPD)分解,得到散射特征向量,根據(jù)數(shù)據(jù)散射類型的穩(wěn)定性,將數(shù)據(jù)分成三類,對每一類數(shù)據(jù)進(jìn)行不同的相似性度量。將該相似性度量方法應(yīng)用到極化SAR局部濾波中,實驗結(jié)果表明,該相似性度量方法能夠比較準(zhǔn)確的找到像素點的相似集合。(2)通過對極化SAR數(shù)據(jù)的散射向量分析,提出了一種新的極化相似性度量方法,即基于統(tǒng)計分布模型的極化相似性度量方法。該相似性度量方法首先對極化SAR數(shù)據(jù)進(jìn)行HPD分解,得到散射特征向量,通過對像素點散射向量和其相似像素點的散射向量在各個分量上差值的分析,得出差值都近似服從正態(tài)分布,通過統(tǒng)計分析,我們得出各個分量上差值的均方差,根據(jù)正態(tài)分布的性質(zhì),找到閾值,通過將差值的絕對值與閾值比較來判斷兩個像素是否相似。將該相似性度量方法應(yīng)用到Lee濾波中,極化SAR圖像濾波后的結(jié)果表明,該相似性度量方法能夠準(zhǔn)確的找到像素點的相似點。通過對NL-Lee濾波的分析,提出了一種基于散射統(tǒng)計模型和NL-Lee的極化SAR相干斑抑制算法,通過對合成的極化SAR數(shù)據(jù)和真實的極化SAR數(shù)據(jù)進(jìn)行降斑處理,可以得出該算法取得了比pretest濾波和NL-Lee濾波更好的效果,說明該濾波方法能夠很好的保持極化SAR圖像的散射特性。
[Abstract]:Polarimetric synthetic Aperture Radar (POL-SAR) is a new type of remote sensing technology, which is developed on the basis of (SAR) technology. It not only inherits the advantages of SAR, such as all-day, all-weather work, high resolution and so on, but also can obtain the echo signal under various polarization combinations, which can provide more accurate and abundant scattering information of ground objects. Therefore, polarized SAR is widely used in civil and military fields. However, speckle noise in polarimetric SAR not only reduces the image quality, but also brings difficulties in the field of ground object classification, target detection and recognition of polarimetric SAR. Many existing speckle suppression algorithms can not preserve the detailed information and scattering characteristics of the image while reducing the speckle. In this paper, the synthetic polarized SAR data and the real polarized SAR data are analyzed. Two kinds of polarimetric similarity measurement methods are proposed: polarization similarity measurement based on three categories and polarization similarity measurement based on statistical distribution model and applied to polarimetric SAR speckle suppression. The main work of this paper is as follows: (1) by studying the polarization similarity measurement method proposed by Wu Yuezhen, a polarization similarity measurement method based on three categories is proposed. The similarity measurement method firstly decomposes the polarization data into four components (HPD) and obtains the scattering eigenvector. According to the stability of the scattering type the data are divided into three types and each kind of data is measured with different similarity. The similarity measurement method is applied to the polarimetric SAR local filtering. The experimental results show that the similarity measure method can find the similarity set of pixels accurately. (2) the scattering vector analysis of polarized SAR data is carried out. A new polarimetric similarity measurement method based on statistical distribution model is proposed. The similarity measure method firstly decomposes polarimetric SAR data by HPD and obtains the scattering eigenvector. The difference between the pixel scattering vector and the scattering vector of its similar pixel is analyzed. The difference is similar to normal distribution. Through statistical analysis, we get the mean variance of the difference on each component. According to the nature of normal distribution, we find the threshold value. The absolute value of the difference value is compared with the threshold value to determine whether the two pixels are similar. The similarity measurement method is applied to Lee filtering. The results of polarimetric SAR image filtering show that the similarity measurement method can accurately find the similarity points of pixels. Based on the analysis of NL-Lee filter, a speckle suppression algorithm based on scattering statistical model and NL-Lee is proposed for polarimetric SAR speckle suppression. The synthetic polarimetric SAR data and the real polarimetric SAR data are processed by speckle reduction. It can be concluded that this algorithm has better effect than pretest filter and NL-Lee filter. It shows that the proposed filtering method can keep the scattering characteristics of polarized SAR images well.
【學(xué)位授予單位】：西安電子科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：TN957.52

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王曉龍;袁艷;張?zhí)┥?;一種實體運(yùn)動模式相似性度量方法的研究[J];計算機(jī)仿真;2009年11期

2 王黎;帥建梅;;圖像重排序中與查詢相關(guān)的圖像相似性度量[J];計算機(jī)系統(tǒng)應(yīng)用;2010年11期

3 文成林;周哲;徐曉濱;;一種新的廣義梯形模糊數(shù)相似性度量方法及在故障診斷中的應(yīng)用[J];電子學(xué)報;2011年S1期

4 仝朝陽，石教英;一種關(guān)于布爾模式的相似性度量及其應(yīng)用[J];計算機(jī)研究與發(fā)展;1996年08期

5 杜培軍,方濤,唐宏;基于集合論的光譜相似性度量及在影像檢索中的應(yīng)用[J];上海交通大學(xué)學(xué)報;2004年S1期

6 熊家軍,涂靜,李慶華;入侵檢測聚類中相似性度量的等效性研究[J];計算機(jī)工程;2005年07期

7 鞠可一;周德群;吳君民;;混合概念格在案例相似性度量中的應(yīng)用[J];控制與決策;2010年07期

8 劉海濤;魏汝祥;蔣國萍;;軟件成本數(shù)據(jù)的相似性度量[J];上海交通大學(xué)學(xué)報;2012年11期

9 鄭翠翠;李林;;協(xié)同過濾算法中的相似性度量方法研究[J];計算機(jī)工程與應(yīng)用;2014年08期

10 吳德;葉傳標(biāo);;時間序列相似性度量在水文數(shù)據(jù)挖掘中的應(yīng)用研究[J];現(xiàn)代計算機(jī)(專業(yè)版);2008年11期

相關(guān)會議論文 前10條

1 劉喜平;萬常選;;一種二維的樹型文檔結(jié)構(gòu)相似性度量[A];第二十五屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（二）[C];2008年

2 劉俊義;王潤生;;仿射不變的多邊形相似性度量[A];中國圖象圖形科學(xué)技術(shù)新進(jìn)展——第九屆全國圖象圖形科技大會論文集[C];1998年

3 楊艷春;孟祥武;;P2P網(wǎng)絡(luò)服務(wù)環(huán)境中的節(jié)點相似性度量研究[A];CCF NCSC 2011——第二屆中國計算機(jī)學(xué)會服務(wù)計算學(xué)術(shù)會議論文集[C];2011年

4 李彬彬;羅樂;;基于信源學(xué)的光譜相似性度量方法的比較研究[A];2009全國計算機(jī)網(wǎng)絡(luò)與通信學(xué)術(shù)會議論文集[C];2009年

5 羅陽;趙偉;;相似性度量研究及最優(yōu)相似系數(shù)[A];中國氣象學(xué)會2008年年會天氣預(yù)報準(zhǔn)確率與公共氣象服務(wù)分會場論文集[C];2008年

6 周曉蕾;唐明浩;於思俊;;服裝款式系統(tǒng)中的相似性度量算法研究[A];2008年中國高校通信類院系學(xué)術(shù)研討會論文集（下冊）[C];2009年

7 劉寶生;閆莉萍;周東華;;圖像匹配中相似性度量[A];第16屆中國過程控制學(xué)術(shù)年會暨第4屆全國故障診斷與安全性學(xué)術(shù)會議論文集[C];2005年

8 李新光;鄭君君;祝一薇;劉建軍;夏勝平;譚立球;;基于屬性圖模型的圖像相似性度量[A];第十五屆全國圖象圖形學(xué)學(xué)術(shù)會議論文集[C];2010年

9 沈君;馬生全;;兩種新的相似性度量在模糊推理中的應(yīng)用[A];中國運(yùn)籌學(xué)會模糊信息與模糊工程分會第五屆學(xué)術(shù)年會論文集[C];2010年

10 廉鑫;林偉堅;張海威;袁曉潔;;基于雙向路徑約束模型的XML文檔結(jié)構(gòu)相似性度量[A];NDBC2010第27屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集(B輯)[C];2010年

相關(guān)博士學(xué)位論文 前7條

1 趙秀麗;基于有趣地點壓縮的移動點對象時空軌跡聚類研究[D];北京交通大學(xué);2016年

2 朱進(jìn);基于運(yùn)動特征的軌跡相似性度量研究[D];南京師范大學(xué);2015年

3 白雪;聚類分析中的相似性度量及其應(yīng)用研究[D];北京交通大學(xué);2012年

4 張明;基于內(nèi)容的圖象相似性度量技術(shù)研究及其在水利中的應(yīng)用[D];河海大學(xué);2003年

5 邱明;語義相似性度量及其在設(shè)計管理系統(tǒng)中的應(yīng)用[D];浙江大學(xué);2006年

6 周瑜;視頻跟蹤中的目標(biāo)建模及相似性度量研究[D];華中科技大學(xué);2014年

7 戚文靜;基于范例的圖案創(chuàng)作關(guān)鍵技術(shù)研究[D];山東大學(xué);2012年

相關(guān)碩士學(xué)位論文 前10條

1 曹莉莉;基于GC-MS的高速譜庫搜索算法研究[D];安徽大學(xué);2015年

2 蔣欣;基于粒子濾波的故障預(yù)報算法研究[D];福建師范大學(xué);2015年

3 張豪;符號序列相似性度量及聚類新算法[D];福建師范大學(xué);2015年

4 周漢海;基于少量選點的社團(tuán)檢測算法研究[D];蘭州大學(xué);2015年

5 張考;面向電子商務(wù)的虛假評論檢測的關(guān)鍵技術(shù)研究[D];解放軍信息工程大學(xué);2015年

6 張靜轉(zhuǎn);基于集對相似性度量的社區(qū)發(fā)現(xiàn)算法研究[D];燕山大學(xué);2016年

7 張婷;基于近鄰協(xié)同過濾算法中相似性度量的研究[D];西南交通大學(xué);2016年

8 陳龍飛;心電時間序列的表示和相似性度量方法的研究[D];哈爾濱工業(yè)大學(xué);2016年

9 張娜;相似性度量及其在圖像非局部濾波中的應(yīng)用研究[D];昆明理工大學(xué);2016年

10 聶學(xué)成;面向文本標(biāo)識的柔性語義相似性度量方法[D];天津大學(xué);2014年

，

本文編號：2335664