發(fā)布時(shí)間：2021-09-28 01:44

　　極化SAR（polarimetric synthetic aperture radar,PolSAR）采用水平極化和垂直極化的方式交替發(fā)射與接收雷達(dá)信號(hào),測(cè)量的數(shù)據(jù)不僅僅是目標(biāo)的后向散射系數(shù),而是復(fù)散射矩陣或復(fù)協(xié)方差矩陣,因此極化SAR數(shù)據(jù)包含了更完整更豐富的目標(biāo)信息,為深入研究地物目標(biāo)的散射特性提供了重要依據(jù)。隨著越來越多星載/機(jī)載極化SAR系統(tǒng)的成功研制與應(yīng)用,海量的極化SAR圖像資源被獲取,為分析和解譯極化SAR圖像提供了必要的數(shù)據(jù)支持。極化SAR圖像分類是圖像解譯中一個(gè)既實(shí)用又關(guān)鍵的步驟,其目的在于根據(jù)分類單元特性的異同,將其歸入不同的地物類別,能夠揭示圖像的結(jié)構(gòu)和本質(zhì),為極化SAR系統(tǒng)的自動(dòng)目標(biāo)識(shí)別與檢測(cè)奠定了基礎(chǔ),在民用和軍事領(lǐng)域中的作用也日漸突出。為此,本論文對(duì)極化SAR圖像分類技術(shù)展開研究。本論文以極化SAR圖像為研究對(duì)象,以隨機(jī)場(chǎng)模型為基礎(chǔ)理論,從提高統(tǒng)計(jì)分布普適性、提高模型抗噪性和邊界保持性、實(shí)現(xiàn)隨機(jī)場(chǎng)模型的快速和無監(jiān)督改進(jìn)、實(shí)現(xiàn)極化SAR圖像的多特征提取與融合等方面展開基于統(tǒng)計(jì)分布和隨機(jī)場(chǎng)模型的極化SAR圖像分類算法研究。本論文的研究內(nèi)容和研究成果主要概括為以下五... 

【文章來源】：西安電子科技大學(xué)陜西省 211工程院校 教育部直屬院校

【文章頁數(shù)】：146 頁

【學(xué)位級(jí)別】：博士

【部分圖文】：

Flevoland數(shù)據(jù)在不同ML分類器下的分類結(jié)果(a)WMM(b)KMM(c)WGГ(d)WGГMM(e)

(3-7)圖3.2 邊界懲罰函數(shù)的曲線圖3.4.2 MWGГ-MRF 模型綜上分析可知，對(duì)極化 SAR 數(shù)據(jù)而言，混合模型中的每一分量對(duì)應(yīng)了一種特定的類別，且在目標(biāo)最終的模型推斷中存在著一定差異，為此，本章將式 (3-7) 所示的相關(guān)項(xiàng)模型引入到 MWGГ-MRF 混合模型的每一分量中，來改善分類結(jié)果。結(jié)合式(3-4) 和 (3-7)，MWGГ-MRF 混合模型在像素點(diǎn) s 處的混合能量表達(dá)式為： 1edge1log= log exp logKMWM s s k s skKWk s skW x E xW x p C CC(3-8)其中， k s sE x C 為 MWGГ-MRF 混合模型中第 k 個(gè)分量的能量函數(shù)， 為平衡參數(shù)

Bare field(b) (c) (d)圖3.6 仿真數(shù)據(jù) (a) Foulum 圖像的 Pauli 分解圖 (b) 仿真數(shù)據(jù) Pauli 分解圖 (c) 參考圖 (d) 類別表3.1 實(shí)驗(yàn)數(shù)據(jù)的先驗(yàn)信息極化 SAR 圖像 圖像大小 波段 類別數(shù)目 雷達(dá)系統(tǒng)Case 1 仿真數(shù)據(jù) 128×128 L 5 EMISARCase 2 Flevoland mask 1 379×275 L 8 AIRSARCase 3 Flevoland mask 2 481×387 L 9 AIRSARCase 4 Niigata 358×396 L 5 PISARCase 5 Foulum 1100×800 L 6 EMISAR3.6.2 邊界提取結(jié)果及分析圖 3.7 給出了待分類極化 SAR 圖像、span 能量圖和由不同方法得到的邊界提取結(jié)果。從視覺上看，本章提出的邊界提取方法較基于區(qū)域的邊界提取方法能夠獲取到更清晰更準(zhǔn)確的邊界定位，在強(qiáng)邊界處邊界強(qiáng)度更明顯，弱邊界也得到改善，且非邊界處的區(qū)域一致性更好。由于仿真數(shù)據(jù)的邊界信息是已知的，本章采用以下實(shí)驗(yàn)來驗(yàn)證邊界懲罰函數(shù) , s tg e e 的有效性，從而驗(yàn)證將邊界懲罰函數(shù)引入 MWGГ-MRF 混合模型是有意義的。首先，從仿真數(shù)據(jù)中選取 4 塊同質(zhì)區(qū)域和 6 塊邊界區(qū)域，圖 3.8 標(biāo)記為 I、II、III、IV 的區(qū)域?yàn)橥|(zhì)區(qū)域，圖 3.9 標(biāo)記為 I、II、III、IV、V、VI 的區(qū)域?yàn)檫吔鐓^(qū)域

【參考文獻(xiàn)】：
博士論文
[1]基于廣義Gamma分布的SAR圖像統(tǒng)計(jì)建模及應(yīng)用研究[D]. 秦先祥.國防科學(xué)技術(shù)大學(xué) 2015
[2]基于三重馬爾可夫場(chǎng)的無監(jiān)督SAR圖像分割算法研究[D]. 甘露.西安電子科技大學(xué) 2015
[3]極化SAR圖像特征提取與分類方法研究[D]. 劉高峰.西安電子科技大學(xué) 2014
[4]基于統(tǒng)計(jì)模型的SAR圖像降斑和分割方法研究[D]. 張鵬.西安電子科技大學(xué) 2012
[5]極化SAR圖像分類方法研究[D]. 周曉光.國防科學(xué)技術(shù)大學(xué) 2008
[6]極化SAR信息處理技術(shù)研究[D]. 王文光.北京航空航天大學(xué) 2007



本文編號(hào)：3411007