本文關(guān)鍵詞：基于單幅高分辨率星載SAR影像的交通災(zāi)害信息提取方法研究　出處：《中國(guó)科學(xué)院大學(xué)(中國(guó)科學(xué)院遙感與數(shù)字地球研究所)》2017年博士論文　論文類型：學(xué)位論文

  更多相關(guān)文章： 交通目標(biāo) 災(zāi)害監(jiān)測(cè) 高分辨率 SAR GAC模型

【摘要】：遙感技術(shù)在突發(fā)性地質(zhì)災(zāi)害的災(zāi)后應(yīng)急救援中發(fā)揮著越來(lái)越重要的作用,然而,由于災(zāi)害發(fā)生區(qū)域在災(zāi)后常伴隨有云霧、陰雨等天氣,極大的影響了光學(xué)遙感影像發(fā)揮的作用。SAR影像具有穿透云層的特性,能夠不受天氣影響,對(duì)受災(zāi)區(qū)域進(jìn)行觀測(cè)。隨著SAR影像分辨率不斷提高,使得對(duì)于關(guān)鍵的交通災(zāi)害對(duì)象,類似于橋梁、機(jī)場(chǎng)、滑坡、堰塞湖、倒塌建筑區(qū)域等重要的交通相關(guān)受災(zāi)地物的監(jiān)測(cè)成為可能,監(jiān)測(cè)結(jié)果可為交通應(yīng)急指揮部門等單位的輔助決策。近年,基于SAR影像對(duì)災(zāi)后信息提取成為研究的熱點(diǎn),其中大多基于震前震后影像,然而從實(shí)際應(yīng)用角度出發(fā),震前震后影像獲取困難,提高針對(duì)單幅高分辨率SAR影像的交通災(zāi)害信息的提取水平,對(duì)于提升整個(gè)交通行業(yè)的災(zāi)后應(yīng)急處置能力,有著重要的影響、價(jià)值和意義。本文針對(duì)實(shí)際應(yīng)用中遇到的若干問(wèn)題,將災(zāi)害監(jiān)測(cè)目標(biāo)根據(jù)幾何特征(點(diǎn)、線、面)分成幾類,利用TerraSAR和高分3號(hào)衛(wèi)星數(shù)據(jù),開(kāi)展以下災(zāi)害目標(biāo)信息提取工作:(1)針對(duì)SAR圖像相干斑噪聲嚴(yán)重的問(wèn)題,研究一種自適應(yīng)的SAR圖像相干斑噪聲抑制方法,基于支持向量回歸(SVR)的非線性擬合,在圖像的對(duì)數(shù)域中分析支持向量回歸誤差與噪聲類型參數(shù)之間的關(guān)聯(lián)性,使噪聲抑制模型能夠根據(jù)每幅圖像自身不同的噪聲分布進(jìn)行濾波。(2)針對(duì)目前SAR圖像分類算法中經(jīng)常出現(xiàn)的“分類結(jié)果整體最優(yōu)與局部最優(yōu)”無(wú)法同時(shí)滿足的難點(diǎn),研究支持向量機(jī)(SVM)在灰度共生矩陣和Gabor濾波兩種紋理特征空間下的SAR影像分類,再引入RGAC模型,獲得能夠兼顧全局最優(yōu)與局部精度的SAR圖像分類方法。(3)針對(duì)交通災(zāi)害信息提取的應(yīng)用需求及目前災(zāi)后應(yīng)急工作中存在的困難,以2階段RGAC模型影像分類算法為基礎(chǔ),結(jié)合不同地物幾何、結(jié)構(gòu)特點(diǎn),開(kāi)展樞紐節(jié)點(diǎn)類(包括橋梁、機(jī)場(chǎng))、面狀區(qū)域類(包括滑坡體、堰塞湖、倒塌建筑區(qū))兩大類目標(biāo)的信息提取和分析工作,并對(duì)提取結(jié)果進(jìn)行驗(yàn)證與精度評(píng)估。本文創(chuàng)新點(diǎn)總結(jié)如下:(1)在降噪階段,提出一種能夠根據(jù)SAR圖像中相干斑噪聲分布變化進(jìn)行自適應(yīng)調(diào)整的濾波算法。(2)圖像分類階段,提出一種改進(jìn)的2階段RGAC模型。通過(guò)引入機(jī)器視覺(jué)領(lǐng)域的RGAC模型,針對(duì)SAR影像改善其模型的初值與分類器,提高SAR圖像的分類精度,尤其是分類邊界上的提取精度。(3)特征提取階段,結(jié)合SAR圖像的散射特征、待提取目標(biāo)的幾何特征以及改進(jìn)后的RGAC分類算法,在單幅高分辨率星載SAR圖像中展開(kāi)了多個(gè)具有重要實(shí)際應(yīng)用價(jià)值的目標(biāo)提取,取得了較好的提取結(jié)果。(4)數(shù)據(jù)源方面,除了使用TerraSAR衛(wèi)星數(shù)據(jù),還用到了高分3號(hào)衛(wèi)星數(shù)據(jù)。
[Abstract]:Remote sensing technology is playing an increasingly important role in post disaster emergency rescue for unexpected geological disasters. However, due to the frequent occurrence of cloud and fog and other weather after disaster, the role of optical remote sensing image is greatly affected. The SAR image has the characteristics of penetrating the clouds and can be observed in the affected area without the influence of the weather. With the resolution of SAR image is increasing, the traffic disaster monitoring object key, similar to the bridge, airport, landslide, dammed lake, collapsed buildings and other important areas of traffic related disaster features as possible, monitoring results for traffic emergency department decision-making unit. In recent years, SAR images of the disaster information extraction has become a hot research topic based on which are based on pre and post earthquake images, however, from the practical point of view, before the earthquake after the earthquake image acquisition difficulties, improve the extraction level of traffic disaster information to single high resolution SAR image, to enhance the ability of emergency disposal of traffic industry in post disaster it has an important value and significance, influence. Aiming at several problems encountered in the practical application of the disaster monitoring target according to the geometric characteristics (point, line, surface) are divided into several categories, using TerraSAR and the high 3 satellite data, to carry out the following work: target information extraction of disaster (1) aiming at the problem of serious speckle noise of SAR image coherent speckle reduction method SAR image of an adaptive, based on support vector regression (SVR) nonlinear fitting analysis, support vector regression correlation between error and noise type parameters in the logarithmic domain of the image, the noise suppression model according to the noise of each image itself different distribution filter. (2) according to the currently used SAR image classification algorithm in the classification results of whole optimization and local optimization can not meet the difficulties of support vector machine (SVM) in SAR image classification and gray level co-occurrence matrix and Gabor filter two kinds of texture feature spaces, and then introduces the RGAC model, to obtain both SAR image classification the method of global convergence and local accuracy. (3) according to the application demand and the current traffic information extraction disaster disaster emergency work of the difficulties, the classification algorithm of 2 stage RGAC model based image, combining geometric and structural characteristics of different objects, to carry out the hub node class (including bridges, airport), surface area (including landslide, collapse and dammed lake construction area) information extraction and analysis work of the two categories of objectives, and verify and assess the accuracy of extraction result. The innovation points of this paper are summarized as follows: (1) in the phase of noise reduction, a filter algorithm which can adjust adaptively according to the variation of the speckle noise distribution in the SAR image is proposed. (2) an improved 2 phase RGAC model is proposed in the stage of image classification. By introducing the RGAC model in machine vision field, we can improve the initial values and classifiers of SAR models and improve the classification accuracy of SAR images, especially the accuracy of classification boundaries. (3) the feature extraction stage, combined with the scattering characteristics of SAR images, the extraction of RGAC classification algorithm and the improved geometric characteristics of the target, in a single high resolution spaceborne SAR images in multiple has important practical application value of the target extraction, achieved better extraction results. (4) in addition to the use of TerraSAR satellite data, the data sources also use high score 3 satellite data.
【學(xué)位授予單位】：中國(guó)科學(xué)院大學(xué)(中國(guó)科學(xué)院遙感與數(shù)字地球研究所)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2017
【分類號(hào)】：TP75;X951;P694

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 ;人類首獲高分辨率核糖體圖片[J];現(xiàn)代臨床醫(yī)學(xué)生物工程學(xué)雜志;2002年03期

2 波碧;;高分辨率電視在美國(guó)的發(fā)展前景[J];世界研究與開(kāi)發(fā)報(bào)導(dǎo);1990年01期

3 潘儲(chǔ)華;日立835型氨基酸分析儀高分辨率分析的改進(jìn)[J];氨基酸雜志;1983年01期

4 趙爭(zhēng),張繼賢,黃國(guó)滿,曹銀璇,仇春平,王榮彬;基于高分辨率機(jī)載SAR數(shù)據(jù)的試驗(yàn)研究[J];測(cè)繪科學(xué);2004年06期

5 J．Berthon,D．Laubier,尤信;在小衛(wèi)星上實(shí)現(xiàn)高分辨率觀測(cè)可能嗎?[J];國(guó)際太空;1997年02期

6 李德仁;;高分辨率對(duì)地觀測(cè)技術(shù)在智慧城市中的應(yīng)用[J];測(cè)繪地理信息;2013年06期

7 馬超;徐小波;劉春國(guó);馬紅花;孟秀軍;;高分辨率星載SAR礦區(qū)災(zāi)害監(jiān)測(cè)的應(yīng)用潛力[J];河南理工大學(xué)學(xué)報(bào)(自然科學(xué)版);2011年06期

8 汪凌;卜毅博;;高分辨率遙感衛(wèi)星及其應(yīng)用現(xiàn)狀與發(fā)展[J];測(cè)繪技術(shù)裝備;2006年04期

9 馬瑛;田望學(xué);;高分辨率遙感圖像在黃土高原滑坡解譯中的應(yīng)用[J];資源環(huán)境與工程;2007年02期

10 孫雷鳴;萬(wàn)歡;陳輝;馮全雄;何玉梅;;基于廣義S變換地震高分辨率處理方法的改進(jìn)及在流花11-1油田的應(yīng)用[J];中國(guó)海上油氣;2011年04期

相關(guān)會(huì)議論文 前10條

1 黃鶴橋;魏明建;李虎侯;;熱釋光技術(shù)測(cè)定洛川秦家寨全新世黃土剖面高分辨率年代序列方法初探[A];第十屆全國(guó)固體核徑跡學(xué)術(shù)會(huì)議論文集[C];2009年

2 諶桂萍;許喬;張蓉竹;;高分辨率波前檢測(cè)技術(shù)[A];中國(guó)工程物理研究院科技年報(bào)（2003）[C];2003年

3 梁春利;李名松;全旭東;;在水電工程區(qū)域構(gòu)造穩(wěn)定性評(píng)價(jià)中高分辨率衛(wèi)星遙感技術(shù)的應(yīng)用方法研究[A];第十五屆全國(guó)遙感技術(shù)學(xué)術(shù)交流會(huì)論文摘要集[C];2005年

4 諶桂萍;許喬;雷向陽(yáng);;高分辨率波前檢測(cè)技術(shù)[A];中國(guó)工程物理研究院科技年報(bào)（2005）[C];2005年

5 萬(wàn)可友;張子斌;翟利華;李梅;;高通過(guò)率高分辨率特征X熒光峰現(xiàn)場(chǎng)檢測(cè)儀的研制[A];第十屆全國(guó)核電子學(xué)與核探測(cè)技術(shù)學(xué)術(shù)年會(huì)論文集[C];2000年

6 王號(hào);劉耀林;喬朝飛;;利用高分辨率衛(wèi)星遙感影像的土地利用現(xiàn)狀調(diào)查技術(shù)研究——以上海市為例[A];第十五屆全國(guó)遙感技術(shù)學(xué)術(shù)交流會(huì)論文摘要集[C];2005年

7 任翠霞;李立誠(chéng);孫躍峰;;疊后高分辨率處理效果分析[A];“慶賀郭宗汾教授八十壽辰”暨理論與應(yīng)用地球物理研討會(huì)論文集[C];2002年

8 郭佳佳;;高分辨率天基復(fù)合雷達(dá)[A];新觀點(diǎn)新學(xué)說(shuō)學(xué)術(shù)沙龍文集49：新概念航天器[C];2010年

9 劉冬冬;張淳民;王鼎益;;高分辨率衛(wèi)星遙感資料通道選擇方法對(duì)比研究[A];2013年（第五屆）西部光子學(xué)學(xué)術(shù)會(huì)議論文集[C];2013年

10 徐妍萍;高艷霞;邢淞;;三種高分辨率DPWM產(chǎn)生方法的分析和比較[A];2008中國(guó)電工技術(shù)學(xué)會(huì)電力電子學(xué)會(huì)第十一屆學(xué)術(shù)年會(huì)論文摘要集[C];2008年

相關(guān)重要報(bào)紙文章 前9條

1 汪凌;日益成熟的美國(guó)商業(yè)高分辨率衛(wèi)星遙感技術(shù)[N];中國(guó)測(cè)繪報(bào);2007年

2 彭冬梅;高分辨率處理技術(shù)[N];中國(guó)石油報(bào);2004年

3 汪凌;謀求新發(fā)展的法國(guó)航天遙感[N];中國(guó)測(cè)繪報(bào);2007年

4 Mike Elgan Computerworld專欄作者;超高清屏幕如何改變一切?[N];計(jì)算機(jī)世界;2013年

5 陳蕾;康耐視推出具有彩色和高分辨率增強(qiáng)功能的OmniView 360°檢驗(yàn)系統(tǒng)[N];中國(guó)包裝報(bào);2010年

6 駐京記者 孫書(shū)博;VCT開(kāi)辟無(wú)創(chuàng)影像診斷新天地[N];醫(yī)藥經(jīng)濟(jì)報(bào);2005年

7 羅建東邋特約記者 于秀梅;吐哈錄井工程公司推廣應(yīng)用高分辨率巖心掃描技術(shù)[N];中國(guó)石油報(bào);2007年

8 記者 郭影 特約記者 閆景祿;“虎”踞“龍”盤(pán)天山下[N];中國(guó)石油報(bào);2005年

9 胡智海 廈門通維資訊有限公司產(chǎn)品總監(jiān);哪些手機(jī)適合饑渴營(yíng)銷?[N];通信產(chǎn)業(yè)報(bào);2011年

相關(guān)博士學(xué)位論文 前10條

1 蔣厚軍;高分辨率星載InSAR技術(shù)在DEM生成及更新中的應(yīng)用研究[D];武漢大學(xué);2012年

2 劉麗玲;星載掃描微波散射計(jì)方位向高分辨率處理方法研究[D];中國(guó)科學(xué)院國(guó)家空間科學(xué)中心;2017年

3 熊宸;高分辨率離面位移檢測(cè)中的若干問(wèn)題研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2017年

4 張正加;高分辨率SAR數(shù)據(jù)青藏高原凍土環(huán)境與工程應(yīng)用研究[D];中國(guó)科學(xué)院大學(xué)(中國(guó)科學(xué)院遙感與數(shù)字地球研究所);2017年

5 張?zhí)N靈;基于單幅高分辨率星載SAR影像的交通災(zāi)害信息提取方法研究[D];中國(guó)科學(xué)院大學(xué)(中國(guó)科學(xué)院遙感與數(shù)字地球研究所);2017年

6 朱俊杰;高分辨率光學(xué)和SAR遙感數(shù)據(jù)融合及典型目標(biāo)提取方法研究[D];中國(guó)科學(xué)院研究生院（遙感應(yīng)用研究所）;2005年

7 殷慧;基于局部特征表達(dá)的高分辨率SAR圖像城區(qū)場(chǎng)景分類方法研究[D];武漢大學(xué);2010年

8 周立凡;城市重大工程區(qū)高分辨率永久散射體雷達(dá)干涉地表形變監(jiān)測(cè)[D];浙江大學(xué);2014年

9 程江華;高分辨率SAR圖像道路提取方法研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2013年

10 高大化;基于編碼感知的高分辨率計(jì)算成像方法研究[D];西安電子科技大學(xué);2013年

相關(guān)碩士學(xué)位論文 前10條

1 王如意;基于SBAS-InSAR的高分辨率地面沉降監(jiān)測(cè)技術(shù)研究[D];中國(guó)地質(zhì)大學(xué)(北京);2015年

2 王心雨;高分辨率數(shù)據(jù)用于西安市地面沉降的InSAR監(jiān)測(cè)研究[D];長(zhǎng)安大學(xué);2015年

3 陳曉勇;高速高分辨率ADC的測(cè)試研究[D];復(fù)旦大學(xué);2014年

4 關(guān)少奇;共心寬視場(chǎng)高分辨率成像儀硬件設(shè)計(jì)[D];西安電子科技大學(xué);2014年

5 劉奇;高分辨率小動(dòng)物PET成像平臺(tái)的構(gòu)建及實(shí)驗(yàn)研究[D];蘭州大學(xué);2016年

6 孫艷坤;探地雷達(dá)有限差分模擬與高分辨率處理方法研究[D];福州大學(xué);2014年

7 陶遠(yuǎn)榮;高幀頻高分辨率CMOS相機(jī)系統(tǒng)[D];南京理工大學(xué);2016年

8 侯蘇麗;基于流形正則化和稀疏編碼的醫(yī)學(xué)圖像高分辨率重建[D];重慶郵電大學(xué);2016年

9 秦寶;多發(fā)多收SAL高分辨率寬測(cè)繪帶成像技術(shù)的研究[D];西安電子科技大學(xué);2015年

10 文俊;基于高分辨率SAR圖像的道路和河流提取方法研究[D];長(zhǎng)沙理工大學(xué);2015年

，

本文編號(hào)：1341209