【摘要】：合成孔徑雷達(dá)(Synthetic Aperture Radar,SAR)成像技術(shù)作為一種重要的地球空間信息獲取手段已廣泛應(yīng)用于軍事偵查、科學(xué)研究以及資源勘探等各領(lǐng)域。然而,SAR固有的相干斑給圖像處理工作帶來極大干擾。因此,采取有效措施抑制斑點(diǎn)噪聲具有重大意義。此外,SAR圖像分割作為SAR預(yù)處理階段極為關(guān)鍵的步驟,是圖像解譯技術(shù)的重要支撐。本論文以全極化和高分辨率SAR圖像為研究對(duì)象進(jìn)行相干斑濾波及分割算法等相關(guān)技術(shù)的研究,現(xiàn)將本論文工作內(nèi)容總結(jié)如下:(1)對(duì)極化SAR圖像的數(shù)據(jù)表征、常用目標(biāo)分解算法以及相干斑特性與噪聲模型進(jìn)行總結(jié),為后續(xù)濾波研究奠定基礎(chǔ)。(2)針對(duì)極化SAR數(shù)據(jù)相干斑濾波問題,結(jié)合極化分解理論與非局部濾波,并提出改進(jìn)的權(quán)值加速算法,得到快速極化SAR圖像相干斑抑制算法。在算法中引入極化相似性參數(shù)以更好保持目標(biāo)極化散射特性。在此基礎(chǔ)上,針對(duì)算法復(fù)雜度過高的問題,提出改進(jìn)加速算法,使運(yùn)算復(fù)雜度由降為。最后由多幅真實(shí)極化SAR圖像進(jìn)行實(shí)驗(yàn),證實(shí)算法在最大化抑制斑點(diǎn)噪聲的同時(shí)具備良好的圖像細(xì)節(jié)和極化特性保持能力,且運(yùn)行效率得到顯著提升。(3)結(jié)合超像素與稀疏表示理論得到準(zhǔn)確高效的SAR圖像分割算法。以超像素作為基本處理單元在抑制噪聲的同時(shí)降低算法復(fù)雜度,而后在稀疏表示基礎(chǔ)上根據(jù)SAR圖像不同地物類別散射特性差異提出稀疏自表示矩陣校正處理辦法,得到準(zhǔn)確判別特征。在FCM基本框架下與超像素基本特征級(jí)聯(lián),完成算法構(gòu)建。最后通過對(duì)模擬和真實(shí)SAR圖像的分割結(jié)果進(jìn)行定性和定量分析,并與經(jīng)典FCM改進(jìn)算法對(duì)比,準(zhǔn)確率平均提升16.7%,證實(shí)算法良好的分割性能。(4)為進(jìn)一步提升分割精度,增強(qiáng)算法對(duì)圖像的自適應(yīng)性,本文在結(jié)合信息熵和類間離散度的基礎(chǔ)上得到自適應(yīng)非局部模糊C均值聚類SAR圖像分割算法。通過自適應(yīng)測(cè)度參數(shù)提升相似性計(jì)算精度,結(jié)合灰度直方圖信息熵得到非局部項(xiàng)的自適應(yīng)權(quán)值參數(shù),并加入對(duì)類間離散性的考量完成算法構(gòu)建。最后由模擬和真實(shí)SAR圖像的分割結(jié)果證明算法對(duì)相干斑的魯棒性和出色的圖像細(xì)節(jié)保持能力,相較于對(duì)比算法,其準(zhǔn)確率和像素分布吻合度平均提升17.1%和30.6%,驗(yàn)證了算法對(duì)不同場(chǎng)景圖像的優(yōu)異分割性能。
【圖文】：

圖 3-1 散射特征空間示意圖，引入一個(gè)新的參數(shù) 用于度量?jī)商卣飨蛄肯滤荆菏?和 的散射功率大小，定義為知，將像素散射特性和功率相似性同時(shí)納入據(jù)特征向量的相似性，即：

第三章 快速極化 SAR 圖像相干斑抑制算法(3-12)可知，計(jì)算權(quán)值 的關(guān)鍵為得到以像素 i、j 為中的相似性度量參數(shù)。依照原算法，需以圖像中每一像素點(diǎn)為搜索域 ，并對(duì)搜索域中所有像素分別取 的方形鄰相應(yīng)計(jì)算。因此，對(duì)一幅大小為 的圖像，其在權(quán)值計(jì)。經(jīng)由分析發(fā)現(xiàn)在此過程中大量像素對(duì)被重復(fù)計(jì)
【學(xué)位授予單位】：電子科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類號(hào)】：TN957.52

【參考文獻(xiàn)】

相關(guān)期刊論文 前9條

1 楊洲;;基于聚類的SAR圖像灰度特征提取算法[J];科技創(chuàng)新與應(yīng)用;2015年19期

2 文政穎;于海鵬;;基于多Gamma分布模型的SAR圖像直方圖分割算法[J];計(jì)算機(jī)工程與設(shè)計(jì);2014年06期

3 倪維平;嚴(yán)衛(wèi)東;吳俊政;鄭剛;蘆穎;;MSTAR圖像的矩特征分析與多閾值分割[J];中國(guó)圖象圖形學(xué)報(bào);2013年10期

4 王志瑞;閆彩良;;圖像特征提取方法的綜述[J];吉首大學(xué)學(xué)報(bào)(自然科學(xué)版);2011年05期

5 劉麗;匡綱要;;圖像紋理特征提取方法綜述[J];中國(guó)圖象圖形學(xué)報(bào);2009年04期

6 田小林;焦李成;緱水平;;加權(quán)空間函數(shù)優(yōu)化FCM的SAR圖像分割[J];西安電子科技大學(xué)學(xué)報(bào);2008年05期

7 張微,孫蓉樺,章孝燦;基于改進(jìn)的小波軟閾值法的SAR圖像去噪[J];遙感信息;2004年04期

8 高貴,計(jì)科峰,匡綱要;基于馬爾可夫隨機(jī)場(chǎng)的SAR目標(biāo)切片圖像分割方法[J];現(xiàn)代雷達(dá);2004年05期

9 高清維,李軍,解光軍,莊鎮(zhèn)泉;SAR圖像平穩(wěn)小波變換相干斑抑制方法[J];中國(guó)科學(xué)技術(shù)大學(xué)學(xué)報(bào);2002年05期

相關(guān)博士學(xué)位論文 前5條

1 劉淑琴;圖像特征提取方法及其應(yīng)用研究[D];西北大學(xué);2016年

2 馮籍瀾;高分辨率SAR圖像分割與分類方法研究[D];電子科技大學(xué);2015年

3 郎豐鎧;極化SAR影像濾波及分割方法研究[D];武漢大學(xué);2014年

4 安文韜;基于極化SAR的目標(biāo)極化分解與散射特征提取研究[D];清華大學(xué);2010年

5 魏青;合成孔徑雷達(dá)成像方法與對(duì)合成孔徑雷達(dá)干擾方法的研究[D];西安電子科技大學(xué);2007年

相關(guān)碩士學(xué)位論文 前8條

1 劉洋;基于超像素和MMTD的圖像分割方法研究[D];南京郵電大學(xué);2018年

2 劉雨情;基于超像素分割的目標(biāo)跟蹤算法研究[D];西安電子科技大學(xué);2018年

3 傅一;基于超像素和條件隨機(jī)場(chǎng)的圖像語義分割算法研究[D];西安電子科技大學(xué);2018年

4 袁月;基于語義空間和隨機(jī)梯度變分貝葉斯特征學(xué)習(xí)的SAR圖像分割[D];西安電子科技大學(xué);2017年

5 張晶晶;基于混合塊相似性的極化SAR相干斑抑制研究[D];西安電子科技大學(xué);2014年

6 汪柯陸;基于模糊c均值聚類的SAR圖像分割算法研究[D];西安電子科技大學(xué);2014年

7 徐晶晶;基于非局部均值濾波的SAR圖像去斑[D];西安電子科技大學(xué);2010年

8 吳照憲;合成孔徑雷達(dá)成像技術(shù)研究[D];中國(guó)科學(xué)院研究生院（電子學(xué)研究所）;2007年

，

本文編號(hào)：2684934