本文關(guān)鍵詞：基于分類的極化SAR圖像中感興趣類地物變化檢測算法研究，由筆耕文化傳播整理發(fā)布。

【摘要】：合成孔徑雷達(dá)(Synthetic Aperture Radar,SAR)因其全天時(shí)全天候的特點(diǎn),已成為遙感領(lǐng)域獲取信息的重要手段之一。隨著多波段、多極化、全極化SAR的出現(xiàn)及發(fā)展,雷達(dá)獲取到的目標(biāo)散射信息也更為豐富。由此帶來的優(yōu)勢是目標(biāo)的散射機(jī)理可以更為有效的被提取出來,這也使極化SAR圖像在目標(biāo)分類、檢測、識別等領(lǐng)域的應(yīng)用愈來愈廣泛。極化SAR圖像變化檢測作為極化SAR圖像處理中一個(gè)重要的分支,在經(jīng)濟(jì)領(lǐng)域和民用領(lǐng)域都發(fā)揮著舉足輕重的作用。如:地形變化的監(jiān)測、洪澇災(zāi)害的預(yù)防、災(zāi)后搜救、城市變遷的檢測與評估、農(nóng)田監(jiān)測和戰(zhàn)場感知等。而這些應(yīng)用大多針對某一感興趣類地物進(jìn)行變化檢測,例如洪澇災(zāi)害的預(yù)防大多檢測水體類的變化,城市變遷的檢測與評估大多檢測建筑群的變化,農(nóng)田長勢的監(jiān)測大多檢測農(nóng)田的變化。而現(xiàn)實(shí)中,系統(tǒng)采集到的極化SAR數(shù)據(jù)往往包含較多類型的地物,在兩次觀測時(shí)間內(nèi),非感興趣類的地物很有可能也發(fā)生了變化。因此如何利用復(fù)雜場景下的極化SAR數(shù)據(jù)實(shí)現(xiàn)某一感興趣類地物的變化檢測成為了本文研究的方向。本文針對復(fù)雜場景下感興趣類地物的變化檢測開展研究并給出了兩種檢測算法。(1)利用改進(jìn)的Wishart距離算法得到感興趣類地物樣本與兩時(shí)相極化SAR圖像的極化距離測度,然后對該測度進(jìn)行比值對數(shù)變換,構(gòu)造差異圖像,最后利用雙閾值分割法提取出變化區(qū)域,并區(qū)分出兩種變化類型。(2)利用h/q分解對兩時(shí)相圖像中每個(gè)像元進(jìn)行初始分類,然后利用貝葉斯迭代聚類方法對兩時(shí)相圖像的初識分類模板重新分類,得到最終分類結(jié)果圖;進(jìn)而根據(jù)感興趣類地物的極化散射特性和回波特性,從分類結(jié)果圖中提取出符合該特性的像元,得到只含有感興趣類像元的二值圖;最后對兩時(shí)相圖像進(jìn)行雙差值運(yùn)算,提取出兩類變化區(qū)域。第一種算法需要利用感興趣類地物的訓(xùn)練樣本,是基于有監(jiān)督分類的變化檢測算法,該算法無需對圖像進(jìn)行初識分類,大大減少了計(jì)算量;第二種算法無需先驗(yàn)信息,是基于非監(jiān)督分類的變化檢測算法,該算法克服了訓(xùn)練樣本對檢測結(jié)果可能造成的影響,同時(shí)對兩時(shí)相圖像中感興趣類地物的二值化提取取代了閾值分割算法,大大減少了閾值的設(shè)定對檢測結(jié)果的影響。本文利用Radarsat-2獲取的兩組數(shù)據(jù)進(jìn)行試驗(yàn)。實(shí)驗(yàn)結(jié)果表明,兩種算法都能夠較好的實(shí)現(xiàn)復(fù)雜場景下感興趣類地物的變化檢測。
【關(guān)鍵詞】：極化合成孔徑雷達(dá)圖像 變化檢測 極化距離 h/q分解 貝葉斯迭代
【學(xué)位授予單位】：中國民航大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TN957.52
【目錄】：

• 摘要6-7
• Abstract7-11
• 第一章 緒論11-17
• 1.1 研究背景及意義11-12
• 1.2 國內(nèi)外研究現(xiàn)狀12-14
• 1.3 論文的主要內(nèi)容及結(jié)構(gòu)安排14-17
• 第二章 極化SAR基礎(chǔ)理論17-33
• 2.1 前序17
• 2.2 電磁矢量散射算子17-23
• 2.2.1 電磁波極化及其表征17-20
• 2.2.2 極化散射矩陣20
• 2.2.3 極化Mueller矩陣和Kennaugh矩陣20-21
• 2.2.4 相干矩陣T和協(xié)方差矩陣C21-23
• 2.3 極化目標(biāo)分解23-28
• 2.3.1 基于特征矢量的目標(biāo)極化分解23-24
• 2.3.2 基于特征矢量的目標(biāo)極化分解24-27
• 2.3.3 相干分解27-28
• 2.4 本文實(shí)驗(yàn)數(shù)據(jù)簡介28-32
• 2.5 本章小結(jié)32-33
• 第三章 基于極化距離變換的極化SAR圖像變化檢測33-48
• 3.1 前序33
• 3.2 Wishart距離33-35
• 3.3 極化距離測度35-36
• 3.4 算法原理及流程36-38
• 3.5 實(shí)驗(yàn)結(jié)果及分析38-46
• 3.6 本章小結(jié)46-48
• 第四章 基于h/q分解與迭代聚類的極化SAR圖像變化檢測48-60
• 4.1 前序48
• 4.2 基于散射機(jī)理的非監(jiān)督分類48-49
• 4.3 h/q分解理論49-51
• 4.4 算法原理及流程51-53
• 4.5 實(shí)驗(yàn)結(jié)果及分析53-59
• 4.6 本章小結(jié)59-60
• 第五章 總結(jié)與展望60-62
• 5.1 本文工作總結(jié)60-61
• 5.2 未來工作展望61-62
• 參考文獻(xiàn)62-66
• 致謝66-67
• 攻讀碩士期間發(fā)表論文67

  本文關(guān)鍵詞：基于分類的極化SAR圖像中感興趣類地物變化檢測算法研究，由筆耕文化傳播整理發(fā)布。

，

本文編號：268365