本文選題：極化SAR + 統(tǒng)計�。� 參考：《中國地質大學》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節(jié)信息,已被廣泛應用于目標檢測與識別,參數反演和土地利用分類等領域。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數據,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)總結了現(xiàn)有的利用極化SAR統(tǒng)計信息的分割算法,并指出當前算法存在的問題,為后續(xù)的深入研究奠定基礎;為得到合適的初始分割對象,發(fā)展一種適合于極化SAR圖像的快速準確SLIC超像素生成算法;為準確利用極化SAR統(tǒng)計信息,提出一種極化SAR圖像地物目標異質度指標,并實驗確定不同極化SAR數據的異質度指標閾值;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,通過模擬數據和真實數據進行分割實驗,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)總結了當前利用統(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)展面向對象的極化SAR圖像分類算法的必要性;為快速準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果作為分類對象,探討不同分類尺度對分類結果的影響;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,通過模擬數據和真實數據進行分類實驗,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圖像中不同異質程度區(qū)域的準確分割,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。該方法基于分形網絡演化算法框架,首先將改進后適用于極化SAR數據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;再根據所提出的區(qū)域異質度指標,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)對不同異質程度地物目標的準確建模;然后結合Pauli分解特征、形狀特征定義對象相似性準則,最終實現(xiàn)綜合利用Wishart和K統(tǒng)計描述的極化SAR圖像分形網絡演化分割;通過模擬數據、機載ESAR數據、星載RADARSAT-2數據及Terra SAR-X數據進行分割實驗并與其它方法相比較,結果表明,本文方法能有效降低相干斑噪聲的干擾,在整體上能準確分割不同異質程度的地物,在局部細節(jié)上分割結果邊界更精細。2)針對相干斑噪聲嚴重影響極化SAR圖像分類精度及分類結果的連續(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則得到極化SAR圖像分類結果;通過模擬數據、星載RADARSAT-2數據及機載AIRSAR數據進行實驗并與其它方法相比較,結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 .
【學位授予單位】：中國地質大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：TN957.52

【參考文獻】

相關期刊論文 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];武漢大學學報(信息科學版);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;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];武漢大學學報(信息科學版);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];電子學報;2007年12期

相關博士學位論文 前1條

1 吳永輝;極化SAR圖像分類技術研究[D];國防科學技術大學;2007年

，

本文編號：1989383