由于合成孔徑雷達(dá)對(duì)于天氣和光線的不敏感性,使得合成孔徑雷達(dá)圖像（SAR圖像）越來(lái)越受到學(xué)者的關(guān)注和研究,其中SAR圖像標(biāo)記技術(shù),例如SAR圖像分割,變化監(jiān)測(cè),分類和識(shí)別等,已經(jīng)成為SAR圖像處理模塊中不可或缺的一部分。近幾年來(lái),馬爾可夫隨機(jī)場(chǎng)算法在SAR圖像標(biāo)記算法中得到了廣泛關(guān)注和應(yīng)用,基本思想是利用馬爾可夫隨機(jī)場(chǎng)模型中的鄰域信息來(lái)提高算法對(duì)于噪聲的魯棒性。研究表明,這類算法對(duì)于SAR圖像中的相干斑噪聲有明顯的抑制作用,尤其對(duì)于分布均勻的圖像,其抗噪性能更顯著,并且該類算法為無(wú)監(jiān)督算法,對(duì)于應(yīng)急性圖像標(biāo)記需求有不可替代的作用,這是一些標(biāo)記算法所不具備的。因此將馬爾可夫隨機(jī)場(chǎng)模型用于SAR圖像標(biāo)記算法,可以應(yīng)對(duì)樣本數(shù)量不足,相干斑噪聲干擾等困擾傳統(tǒng)SAR圖像處理算法的問(wèn)題。本文以SAR圖像標(biāo)記技術(shù)為研究背景,主要分析解決現(xiàn)有馬爾可夫隨機(jī)場(chǎng)算法中存在的普遍問(wèn)題。在SAR圖像分割方面,分析了馬爾可夫隨機(jī)場(chǎng)算法邊緣保持性下降的原因,將混合高斯模型引入似然函數(shù),建立了相關(guān)性證據(jù)馬爾可夫隨機(jī)場(chǎng)模型。此外,針對(duì)SAR圖像變化檢測(cè),主要研究了如何利用馬爾可夫隨機(jī)場(chǎng)模型降噪的同時(shí)保留其細(xì)節(jié)信息。本文的... 

【文章來(lái)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(yè)數(shù)】：117 頁(yè)

【學(xué)位級(jí)別】：博士

【部分圖文】：

國(guó)外裝載SAR衛(wèi)星

成孔徑雷達(dá)，并且與環(huán)境一號(hào) AB 星協(xié)同工作，監(jiān)測(cè)環(huán)境狀況。2016 年 8 月，隨著高分三號(hào)衛(wèi)星的成功發(fā)射，標(biāo)志著我國(guó)低軌道 SAR 實(shí)現(xiàn)重大突破，雷達(dá)成像技術(shù)將全面服務(wù)國(guó)民生活與加強(qiáng)軍備建設(shè)。幾種常見(jiàn)的國(guó)內(nèi)外星載SAR如圖1.1圖1.2所示。Lacrosse ERS-1 JERS-1圖 1.1 國(guó)外裝載 SAR 衛(wèi)星海洋二號(hào)環(huán)境一號(hào) C 環(huán)境一號(hào) C 高分三號(hào)圖 1.2 國(guó)內(nèi)裝載 SAR 衛(wèi)星在 SAR 成像系統(tǒng)快速發(fā)展的同時(shí)，SAR 圖像分析解釋技術(shù)也在如火如荼的進(jìn)行，然而其發(fā)展速度遠(yuǎn)遠(yuǎn)不及成像技術(shù)的發(fā)展。當(dāng)獲取到大量高質(zhì)量 SAR 圖像后，如何準(zhǔn)確快速的分析圖像，提取圖像中的目標(biāo)信息，成為現(xiàn)在研究的熱點(diǎn)。其中圖像標(biāo)記算法，包括圖像分割、變化檢測(cè)、目標(biāo)提取等，成為眾多學(xué)者研究的焦點(diǎn)。狹義的圖像標(biāo)記指人工添加圖像標(biāo)簽，獲得圖像的真實(shí)標(biāo)記信息，廣義的圖像標(biāo)記包含所有與圖像標(biāo)簽有關(guān)的圖像處理過(guò)程，包括利用計(jì)算機(jī)獲得圖像的標(biāo)簽信息。由于 SAR 成像原理為相干成像

（a9） （b9） （c9） （d9）圖 4.3 兩時(shí)相圖像的變化檢測(cè)結(jié)果a1-a9）意大利農(nóng)場(chǎng)（b1-b9）印尼洪水（c1-c9）意大利洪水（d1-d9）坦克隱藏（a1-d1）第一相圖像（a2-d2）第二時(shí)相圖像（a3-d3）SMRF 檢測(cè)結(jié)果（a4-d4）SSML 檢測(cè)結(jié)果（a5-d5）法檢測(cè)結(jié)果（a6-d6）MIMOSA 檢測(cè)結(jié)果（a7-d7）MEDRF 檢測(cè)結(jié)果（a8-d8）參考圖像（a9-d9）標(biāo)記樣本MEDRF 用于變化檢測(cè)時(shí)最耗時(shí)的部分是參數(shù)估計(jì)。在裝有 MATLAB 2011b 的Windows 7 系統(tǒng)上進(jìn)行測(cè)試，每個(gè)數(shù)據(jù)集需要的時(shí)間分別為 59.27s，61.90s，56.6和 55.73s。時(shí)間消耗主要取決于訓(xùn)練參數(shù)的標(biāo)記和未標(biāo)記樣本的數(shù)量。實(shí)驗(yàn)中，對(duì)個(gè)數(shù)據(jù)集，選擇相同數(shù)量的標(biāo)記樣本和未標(biāo)記樣本（參見(jiàn)第 4.3.1 節(jié)），因此每個(gè)數(shù)據(jù)集的時(shí)間消耗大致相等。差異主要來(lái)自梯度下降步驟和 ME 步驟中的迭代差異。對(duì)于大尺寸的圖像，需要更多樣本來(lái)訓(xùn)練參數(shù)，其所造成的時(shí)間消耗可能是無(wú)法承受的處理大圖像的一種可行方法是將其分成小塊，并行處理所有塊。表 4.3-表 4.6 顯示了 MEDRF 在不同數(shù)據(jù)集上的混淆矩陣。MEDRF 在準(zhǔn)確檢測(cè)

【參考文獻(xiàn)】：
期刊論文
[1]一種自適應(yīng)的模糊C均值聚類圖像分割方法[J]. 孫鑫.  山西電子技術(shù). 2014(06)
[2]非監(jiān)督SAR圖像變化檢測(cè)研究最新進(jìn)展[J]. 吳濤,陳曦,牛蕾,陶利.  遙感信息. 2013(01)
[3]基于Laplacian正則化最小二乘的半監(jiān)督SAR目標(biāo)識(shí)別[J]. 張向榮,陽(yáng)春,焦李成.  軟件學(xué)報(bào). 2010(04)
[4]SAR系統(tǒng)不確定性可視化表達(dá)及其應(yīng)用[J]. 葛詠,王勁峰,梁怡,王貞松.  地球信息科學(xué). 2003(03)

博士論文
[1]基于聚類分析的圖像分割算法研究[D]. 許曉麗.哈爾濱工程大學(xué) 2012
[2]SAR圖像處理及地面目標(biāo)識(shí)別技術(shù)研究[D]. 尹奎英.西安電子科技大學(xué) 2011

碩士論文
[1]多時(shí)相遙感影像的變化檢測(cè)[D]. 楊曉麗.西安電子科技大學(xué) 2011



本文編號(hào)：3464385