本文選題：極化SAR + 統(tǒng)計��； 參考：《中國地質(zhì)大學(xué)》2017年碩士論文

【摘要】：極化SAR通過交替發(fā)射和接受不同極化方式的電磁波,能夠獲取豐富的地物細(xì)節(jié)信息,已被廣泛應(yīng)用于目標(biāo)檢測與識別,參數(shù)反演和土地利用分類等領(lǐng)域。近年來,隨著越來越多極化SAR系統(tǒng)的成功發(fā)射,積累了大量的極化SAR數(shù)據(jù),迫切需要發(fā)展半自動或自動的極化SAR信息提取系統(tǒng),其中極化SAR圖像分割與分類方法是極化SAR圖像信息自動提取的關(guān)鍵步驟。然而,極化SAR圖像固有相干斑噪聲的干擾使得極化SAR圖像分割與分類效果不佳。統(tǒng)計信息是極化SAR相干斑噪聲固有的特性,利用統(tǒng)計信息進(jìn)行極化SAR圖像分割與分類,有助于降低相干斑噪聲的抑制作用,提高分割與分類的精度。本文在深入分析極化SAR統(tǒng)計模型的基礎(chǔ)上,開展綜合統(tǒng)計信息的極化SAR圖像分割與分類方法的研究。在極化SAR圖像分割方面,本文系統(tǒng)總結(jié)了現(xiàn)有的利用極化SAR統(tǒng)計信息的分割算法,并指出當(dāng)前算法存在的問題,為后續(xù)的深入研究奠定基礎(chǔ);為得到合適的初始分割對象,發(fā)展一種適合于極化SAR圖像的快速準(zhǔn)確SLIC超像素生成算法;為準(zhǔn)確利用極化SAR統(tǒng)計信息,提出一種極化SAR圖像地物目標(biāo)異質(zhì)度指標(biāo),并實驗確定不同極化SAR數(shù)據(jù)的異質(zhì)度指標(biāo)閾值;提出一種選擇利用Wishart和K統(tǒng)計描述的極化SAR圖像分割方法,通過模擬數(shù)據(jù)和真實數(shù)據(jù)進(jìn)行分割實驗,證明了本文提出的分割算法的有效性。在極化SAR圖像分類方面,本文系統(tǒng)總結(jié)了當(dāng)前利用統(tǒng)計信息的極化SAR圖像分類算法存在的問題的,并指出發(fā)展面向?qū)ο蟮臉O化SAR圖像分類算法的必要性;為快速準(zhǔn)確利用對象間的空間鄰域信息,將傳統(tǒng)像素級概率松弛算法(PLR)擴(kuò)展到對象尺度上;為確定合適的分類尺度,利用不同大小的超像素和本文分割算法在不同尺度下的分割結(jié)果作為分類對象,探討不同分類尺度對分類結(jié)果的影響;提出一種利用K分布和空間鄰域信息的極化SAR圖像對象化分類算法,通過模擬數(shù)據(jù)和真實數(shù)據(jù)進(jìn)行分類實驗,證明了本文提出的分類算法的有效性。本文的主要創(chuàng)新點如下:1)為得到極化SAR圖像中不同異質(zhì)程度區(qū)域的準(zhǔn)確分割,提出一種選擇利用Wishart和K統(tǒng)計描述的極化SAR圖像分割方法。該方法基于分形網(wǎng)絡(luò)演化算法框架,首先將改進(jìn)后適用于極化SAR數(shù)據(jù)的簡單線性迭代聚類算法(SLIC)生成的超像素作為初始分割對象;再根據(jù)所提出的區(qū)域異質(zhì)度指標(biāo),選擇利用Wishart分布或K分布描述對象的統(tǒng)計相似性,實現(xiàn)對不同異質(zhì)程度地物目標(biāo)的準(zhǔn)確建模;然后結(jié)合Pauli分解特征、形狀特征定義對象相似性準(zhǔn)則,最終實現(xiàn)綜合利用Wishart和K統(tǒng)計描述的極化SAR圖像分形網(wǎng)絡(luò)演化分割;通過模擬數(shù)據(jù)、機(jī)載ESAR數(shù)據(jù)、星載RADARSAT-2數(shù)據(jù)及Terra SAR-X數(shù)據(jù)進(jìn)行分割實驗并與其它方法相比較,結(jié)果表明,本文方法能有效降低相干斑噪聲的干擾,在整體上能準(zhǔn)確分割不同異質(zhì)程度的地物,在局部細(xì)節(jié)上分割結(jié)果邊界更精細(xì)。2)針對相干斑噪聲嚴(yán)重影響極化SAR圖像分類精度及分類結(jié)果的連續(xù)性,提出一種基于超像素綜合利用K分布和超像素間空間鄰域信息的極化SAR圖像分類方法。該方法將改進(jìn)后的SLIC算法生成的超像素作為分類單元,采用有限混合模型的思想,利用基于K分布的隨機(jī)期望最大算法(SEM)迭代計算各類別后驗概率;并在迭代過程中,考慮超像素空間鄰域信息,采用概率松弛算法(PLR)迭代修正SEM過程中計算的各超像素的類別后驗概率;最后基于最大后驗概率準(zhǔn)則得到極化SAR圖像分類結(jié)果;通過模擬數(shù)據(jù)、星載RADARSAT-2數(shù)據(jù)及機(jī)載AIRSAR數(shù)據(jù)進(jìn)行實驗并與其它方法相比較,結(jié)果表明本文方法能得有效抑制極化SAR圖像中噪聲的干擾,所得到的分類結(jié)果精度高且目視效果好。
[Abstract]:A polarimetric SAR image segmentation algorithm based on polarimetric SAR image is presented . A polarization SAR image classification method based on K - distribution and inter - pixel spatial neighborhood information is proposed by means of simulation data , airborne ESAR data , satellite - borne RADARSAT - 2 data , and the other methods .
【學(xué)位授予單位】：中國地質(zhì)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：TN957.52

【參考文獻(xiàn)】

相關(guān)期刊論文 前5條

1 陳啟浩;劉修國;陳奇;;一種綜合多特征的全極化SAR圖像分割方法[J];武漢大學(xué)學(xué)報(信息科學(xué)版);2014年12期

2 劉修國;陳奇;陳啟浩;徐喬;;綜合多特征的高分辨率極化SAR圖像分割[J];系統(tǒng)工程與電子技術(shù);2015年03期

3 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(信息科學(xué)版);2013年04期

4 馮籍瀾;曹宗杰;皮亦鳴;;適用于高分辨SAR圖像的全局穩(wěn)態(tài)最小水平集分割方法[J];電子與信息學(xué)報;2010年11期

5 吳永輝;計科峰;李禹;郁文賢;;基于Wishart分布和MRF的多視全極化SAR圖像分割[J];電子學(xué)報;2007年12期

相關(guān)博士學(xué)位論文 前1條

1 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

，

本文編號：1989383