發(fā)布時(shí)間：2018-03-30 01:11

  本文選題：合成孔徑雷達(dá)　切入點(diǎn)：相似性度量　出處：《西安電子科技大學(xué)》2016年博士論文

【摘要】：圖像的冗余性是圖像處理中最基本的性質(zhì)之一。在圖像處理的很多領(lǐng)域,如圖像壓縮、修復(fù)、分類、檢測(cè)等應(yīng)用中,如何有效利用圖像的冗余性都是其中的關(guān)鍵問題。為了能有效的利用圖像的冗余性,首先需要尋找到足夠多的相似點(diǎn)或相似塊。因此,如何準(zhǔn)確的度量圖像的相似性是一個(gè)極為重要也非常有意義的課題。本論文即是從圖像的相似性度量入手,針對(duì)當(dāng)前噪聲塊相似性度量中誤差較大的問題,在貝葉斯框架下,重點(diǎn)研究了基于統(tǒng)計(jì)的雙噪聲相似性度量模型及其在SAR/PolSAR的降斑和多時(shí)相變化檢測(cè)中的應(yīng)用,取得了如下的研究成果：(1)提出了一種噪聲相似性(noise similarity, NS)的概念,用于改進(jìn)噪聲塊的相似性度量,并將其應(yīng)用于非局部均值(nonlocal means, NLM)濾波器中。噪聲相似性的概念表明噪聲塊之間的相似性不止和信號(hào)有關(guān),與其噪聲也有關(guān)系�；谠肼曄嗨菩缘母拍�,本文提出了一種雙噪聲相似性(double noise similarity, DNS)模型。該模型將圖像去噪的問題轉(zhuǎn)化成了兩種噪聲的抑制問題：一種是外加的加性噪聲；另一種是估計(jì)誤差,即估計(jì)值與其真實(shí)值之間的誤差。前一種對(duì)應(yīng)于去噪問題中的噪聲抑制,而后一種則對(duì)應(yīng)于圖像細(xì)節(jié)的恢復(fù)。為了驗(yàn)DNS模型的有效性,本文給出了一種迭代的NLM濾波器,在最大后驗(yàn)概率(maximum a posterior, MAP)框架下這兩種相似性協(xié)同工作。實(shí)驗(yàn)表明,本文提出的基于DNS的NLM去噪結(jié)果要明顯優(yōu)于其它同類算法的去噪結(jié)果。(2)將加性的DNS模型推廣到乘性斑點(diǎn)噪聲情形中,提出了一種針對(duì)于SAR圖像的SAR-DNS模型。和加性高斯噪聲不同,SAR圖像中的乘性斑點(diǎn)噪聲是非常復(fù)雜的。為了說明這種SAR-DNS模型的有效性,其被用于了SAR圖像降斑中。在SAR-DNS濾波器中,斑點(diǎn)噪聲的相似性和估計(jì)誤差的相似性在MAP框架下協(xié)同工作達(dá)到平衡,使其在斑點(diǎn)抑制的同時(shí)也能較好的保持細(xì)節(jié)。本文還討論了兩種“噪聲相似”在SAR圖像降斑中的作用,并和相關(guān)的濾波算法做了比較。實(shí)驗(yàn)結(jié)果表明,本文提出的基于SAR-DNS濾波器在SAR圖像降斑上的性能比其它同類算法更好。(3)提出了一種基于塊相似性度量的SAR變化檢測(cè)算法SAR-PCD。由于SAR圖像中相干斑噪聲的干擾,因此降斑過程對(duì)于變化檢測(cè)是非常重要的。但是,在濾波后的圖像中依然會(huì)有分布不均勻的殘留噪聲。除此之外,包含有降斑步驟的變化檢測(cè)結(jié)果往往不能通過恒虛警率(constant false alarm rate, CFAR)來調(diào)節(jié),而不包含降斑步驟的變化檢測(cè)算法在強(qiáng)噪聲情形下效果又很差。為了克服上述缺點(diǎn),本文提出了一種改進(jìn)的SAR圖像變化檢測(cè)框架。這種新框架的主要?jiǎng)?chuàng)新點(diǎn)包括：1)在SAR變化檢測(cè)中加入了降斑步驟,使得該算法在強(qiáng)噪聲情況下也很魯棒；2)提出了一種新的等效視數(shù)(equivalent number of looks, ENL)估計(jì)算法,用于估計(jì)SAR圖像降斑后的ENL3)所提出的基于降斑圖像的變化檢測(cè)結(jié)果可以根據(jù)不同的CFAR調(diào)節(jié)。在合成數(shù)據(jù)和真實(shí)數(shù)據(jù)上的實(shí)驗(yàn)都證明了本文提出的SAR-PCD算法的有效性。(4)相比于單極化的SAR數(shù)據(jù),全極化的SAR包含的信息更加豐富,應(yīng)用更為廣泛。在本文中,DNS模型被進(jìn)一步的推廣應(yīng)用于了多極化SAR的環(huán)境下中,提出了一種適用于極化SAR環(huán)境的PolSAR-DNS相似性,并將其應(yīng)用于降斑和變化檢測(cè)中。其中,PolSAR-DNS相似性中的噪聲相似性主要用于斑點(diǎn)抑制,而誤差相似性主要用于保持細(xì)節(jié)。最后,在極化SAR降斑和變化檢測(cè)上的實(shí)驗(yàn)都表明,本文提出的PolSAR-DNS相似性比同類型的相似性的結(jié)果更好。(5)提出了一種新的基于多層判別式Fisher自編碼器(stacked Fisher autoen-coder, SFAE)的SAR變化檢測(cè)算法。在SFAE框架中,網(wǎng)絡(luò)的訓(xùn)練包括無監(jiān)督的逐層特征訓(xùn)練和有監(jiān)督的微調(diào)。這種訓(xùn)練好的網(wǎng)絡(luò)可以用于單極化/多極化SAR數(shù)據(jù)集中的無監(jiān)督實(shí)時(shí)變化檢測(cè)。SFAE框架的創(chuàng)新點(diǎn)主要包括兩個(gè)方面：一是將棧式自編碼器推廣至乘性斑點(diǎn)噪聲環(huán)境下的SAR變化檢測(cè)中。另一個(gè)創(chuàng)新點(diǎn)是,通過引入Fisher判別項(xiàng),確保SFAE網(wǎng)絡(luò)提取到的特征是有利于分類的。在合成數(shù)據(jù)和真實(shí)數(shù)據(jù)集上實(shí)驗(yàn)都表明SFAE算法在多時(shí)相的單極化/多極化SAR變化檢測(cè)上有很明顯的優(yōu)勢(shì)。具體來說就是,所提出的SFAE算法能在檢測(cè)準(zhǔn)確度上遠(yuǎn)高于其它實(shí)時(shí)的檢測(cè)算法,而在計(jì)算復(fù)雜度上又遠(yuǎn)低于其它的非實(shí)時(shí)算法。
[Abstract]:The redundancy of the image is one of the most basic properties in image processing. In many fields of image processing, such as image compression, restoration, classification, detection and other applications, how to effectively use the redundancy of the image is one of the key issues. In order to effectively utilize the redundancy of the image, first of all need to find enough the common or similar blocks. Therefore, how to accurately measure the image similarity is a very important and very meaningful topic. This paper is from the image similarity measure of the noise problem in block similarity measurement error, in the Bayesian framework, focuses on the similarity in the SAR/PolSAR model and its speckle reduction and multi temporal change detection of dual noise based on statistics, the main research results are as follows: (1) we propose a noise similarity (noise similarity, NS). Read, for similarity measure improved noise block, and applied to the non local means (nonlocal, means, NLM) filter. Noise similarity concept that the similarity between the signal and the noise block more than, also has a relationship with noise. The concept of noise based on similarity, this paper proposes a double noise similarity (double noise similarity, DNS) model. The model of the image denoising problem is transformed into the problem of two kinds of noise suppression: an additive noise is added; another is the estimation error, namely the estimated value and the true value of the error between the former corresponds to a noise. The denoising problem in inhibition, the latter corresponds to the details of the image restoration. In order to validate the DNS model, this paper presents an iterative NLM filter, the maximum a posteriori (maximum a posterior, MAP) of the two collaborative similarity framework Work. The experiment shows that the proposed DNS based NLM denoising results to denoising results significantly better than other similar algorithms. (2) the additive DNS model is extended to the multiplicative speckle noise case, proposes a SAR-DNS model for SAR images. And the additive Gauss noise is not the same. In the SAR image speckle noise is very complex. In order to illustrate the validity of the SAR-DNS model, which is used for SAR image despeckling. In SAR-DNS filter, the similarity of speckle similarity and error estimation of collaborative work to achieve balance under the framework of MAP, so that it can better maintain at the same time the details of the speckle noise suppression. The paper also discussed two kinds of "noise like" speckle reduction in SAR images, and the related comparison and filtering algorithm. The experimental results show that the proposed SAR-DNS filter in the SAR image despeckling Can better than other similar algorithms. (3) proposed a block based similarity measure SAR change detection algorithm SAR-PCD. due to speckle noise interference in SAR image speckle reduction process, it is very important for change detection. However, the filtered image is still a residual noise uneven distribution. In addition, contains the change detection results of speckle reduction steps are often not by constant false alarm rate (constant false alarm rate, CFAR) to adjust, change and do not contain speckle reduction step detection algorithm in strong noise condition and the effect is very poor. In order to overcome these shortcomings, this paper proposes a SAR improved image change detection framework. The main points of the new framework include: 1) in the SAR change detection added speckle reduction steps, the algorithm in the condition of strong noise is also very robust; 2) put forward a new equivalent number (equiv Alent number of looks, ENL) estimation algorithm is used to estimate the SAR image speckle reduction after ENL3) proposed changes of speckle reduction of image detection results can be adjusted according to different CFAR. Based on the synthetic and real data experiments have proved the effectiveness of the proposed algorithm SAR-PCD (4) SAR data. Compared to the single polarization, fully polarimetric SAR contains more abundant information, has been widely used. In this paper, the DNS model was further popularized in the multi polarization SAR environment, a method is presented for the polarization of the SAR environment PolSAR-DNS similarity and its application in speckle reduction and change detection. Among them, PolSAR-DNS similar noise of similarity is mainly used for speckle suppression, and error of similarity are used to keep the details. Finally, the experiment of reducing speckle and change detection on the polarization of the SAR show that the proposed PolSAR-DNS is similar Than the same type of similarity results better. (5) proposed a new multi discriminant Fisher (stacked Fisher encoder based on autoen-coder, SFAE) SAR change detection algorithm. In the framework of SFAE, including the training of the network layer and the unsupervised training characteristics of the supervision of this fine-tuning. The trained network can be used for single polarization detection /.SFAE framework without changing the real-time supervision of multi polarization SAR data centralized innovation mainly includes two aspects: one is to be extended to take the SAR stack from the encoder of the speckle noise environment detection. Another innovation is that by introducing Fisher discrimination. Ensure that the characteristics of the SFAE network to extract is conducive to classification. In the synthetic data and real data experimental results show that the SFAE algorithm has obvious advantage in multi polarization single / multi polarization SAR change detection. Specifically it The proposed SFAE algorithm is far higher than other real-time detection algorithms in detection accuracy, while the computational complexity is far lower than other non real-time algorithms.

【學(xué)位授予單位】：西安電子科技大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2016
【分類號(hào)】：TN957.52

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 宋翠玉;李培軍;楊鋒杰;;運(yùn)用多尺度圖像紋理進(jìn)行城市擴(kuò)展變化檢測(cè)[J];國土資源遙感;2006年03期

2 徐宏根;宋妍;;顧及陰影信息的高分辨率遙感圖像變化檢測(cè)方法[J];國土資源遙感;2013年04期

3 劉直芳,張劍清;城區(qū)變化檢測(cè)的一種方法[J];測(cè)繪通報(bào);2001年02期

4 倪林,冷洪超;機(jī)場(chǎng)區(qū)域變化檢測(cè)研究[J];遙感技術(shù)與應(yīng)用;2002年04期

5 李小春,陳鯨;一種變化檢測(cè)的新算法[J];宇航學(xué)報(bào);2005年03期

6 唐德可,付琨,王宏琦;基于光譜和空域信息的城區(qū)變化檢測(cè)方法研究[J];測(cè)繪科學(xué);2005年06期

7 鐘家強(qiáng);王潤生;;一種基于線特征的道路網(wǎng)變化檢測(cè)算法[J];遙感學(xué)報(bào);2007年01期

8 吳華;常艷玲;沙瑞;;基于Laplacian Eigenmap的圖像變化檢測(cè)虛警優(yōu)化技術(shù)[J];計(jì)算機(jī)工程與應(yīng)用;2007年32期

9 霍春雷;程健;盧漢清;周志鑫;;基于多尺度融合的對(duì)象級(jí)變化檢測(cè)新方法[J];自動(dòng)化學(xué)報(bào);2008年03期

10 李雪;舒寧;王琰;;利用向量相似性進(jìn)行基于像斑的土地利用變化檢測(cè)[J];遙感信息;2009年06期

相關(guān)會(huì)議論文 前10條

1 尤紅建;詹芊芊;;尺度優(yōu)化的星載SAR圖像變化檢測(cè)[A];中國測(cè)繪學(xué)會(huì)第九次全國會(huì)員代表大會(huì)暨學(xué)會(huì)成立50周年紀(jì)念大會(huì)論文集[C];2009年

2 劉元波;;環(huán)境遙感變化探測(cè)研究中的若干問題：輻射校正方法與變化檢測(cè)算法及其理論關(guān)系[A];中國地理學(xué)會(huì)2007年學(xué)術(shù)年會(huì)論文摘要集[C];2007年

3 邢帥;徐青;;高分辨率衛(wèi)星遙感影像變化檢測(cè)技術(shù)的研究[A];第十三屆全國圖象圖形學(xué)學(xué)術(shù)會(huì)議論文集[C];2006年

4 霍春雷;程健;周志鑫;盧漢清;;基于尺度傳播的多尺度變化檢測(cè)新方法[A];第十四屆全國圖象圖形學(xué)學(xué)術(shù)會(huì)議論文集[C];2008年

5 張蔚然;韓萍;;基于去取向理論的極化SAR變化檢測(cè)[A];第二十五屆中國（天津）2011’IT、網(wǎng)絡(luò)、信息技術(shù)、電子、儀器儀表創(chuàng)新學(xué)術(shù)會(huì)議論文集[C];2011年

6 胡艷;李勝;何宗;羅靈軍;李靜;;水體變化檢測(cè)在重慶市干旱遙感監(jiān)測(cè)中的應(yīng)用[A];重慶市測(cè)繪學(xué)會(huì)第三屆優(yōu)秀論文評(píng)選獲獎(jiǎng)?wù)撐聂?005-2006年度學(xué)術(shù)交流會(huì)論文選編[C];2008年

7 張鐵軍;;年度土地利用變更調(diào)查中遙感監(jiān)測(cè)圖斑提取方法淺析[A];福建省土地學(xué)會(huì)2012年年會(huì)論文集[C];2012年

8 柳思聰;杜培軍;;基于形態(tài)學(xué)濾波的多時(shí)相遙感影像變化檢測(cè)方法研究[A];第十七屆中國遙感大會(huì)摘要集[C];2010年

9 劉志剛;李夕海;錢昌松;;遙感圖像變化檢測(cè)問題淺析[A];陜西地球物理文集（五）國家安全與軍事地球物理研究[C];2005年

10 劉翔;李萬茂;高連如;陶發(fā)達(dá);倪金生;;基于遙感圖像變化檢測(cè)的投資項(xiàng)目搜索技術(shù)研究[A];中國遙感應(yīng)用協(xié)會(huì)2010年會(huì)暨區(qū)域遙感發(fā)展與產(chǎn)業(yè)高層論壇論文集[C];2010年

相關(guān)博士學(xué)位論文 前10條

1 郝明;基于空間信息準(zhǔn)確性增強(qiáng)的遙感影像變化檢測(cè)方法研究[D];中國礦業(yè)大學(xué);2015年

2 王凌霞;基于多尺度分析和自然進(jìn)化優(yōu)化的遙感圖像配準(zhǔn)與變化檢測(cè)[D];西安電子科技大學(xué);2015年

3 劉趕超;基于雙噪聲相似性模型的SAR圖像變化檢測(cè)[D];西安電子科技大學(xué);2016年

4 李向軍;遙感土地利用變化檢測(cè)方法探討[D];中國科學(xué)院研究生院（遙感應(yīng)用研究所）;2006年

5 鄧小煉;基于變化矢量分析的土地利用變化檢測(cè)方法研究[D];中國科學(xué)院研究生院（遙感應(yīng)用研究所）;2006年

6 李雪;基于像斑信息挖掘的土地利用變化檢測(cè)方法研究[D];武漢大學(xué);2010年

7 張路;基于多元統(tǒng)計(jì)分析的遙感影像變化檢測(cè)方法研究[D];武漢大學(xué);2004年

8 羅旺;遙感圖像的變化檢測(cè)與標(biāo)注方法研究[D];電子科技大學(xué);2012年

9 王琰;基于像斑統(tǒng)計(jì)分析的高分辨率遙感影像土地利用/覆蓋變化檢測(cè)方法研究[D];武漢大學(xué);2012年

10 鄧湘金;基于模式識(shí)別知識(shí)的遙感圖像變化檢測(cè)研究[D];中國科學(xué)院研究生院（電子學(xué)研究所）;2003年

相關(guān)碩士學(xué)位論文 前10條

1 張家琦;遙感影像變化檢測(cè)方法及應(yīng)用研究[D];中國地質(zhì)大學(xué)(北京);2015年

2 李玲玲;基于NSCT和NSST的圖像變化檢測(cè)算法研究及應(yīng)用[D];新疆大學(xué);2015年

3 胡雪梅;基于MST的遙感圖像變化檢測(cè)研究[D];新疆大學(xué);2015年

4 楊國棟;基于分布式并行聚類的SAR圖像變化檢測(cè)算法研究[D];西安電子科技大學(xué);2014年

5 王橋;基于多目標(biāo)模糊聚類的SAR圖像變化檢測(cè)[D];西安電子科技大學(xué);2014年

6 張文婷;基于自適應(yīng)權(quán)值差異圖融合和聚類的SAR圖像變化檢測(cè)方法研究[D];西安電子科技大學(xué);2014年

7 任新營;基于OpenCL的并行SAR圖像變化檢測(cè)[D];西安電子科技大學(xué);2014年

8 宮金杞;面向地理國情監(jiān)測(cè)的地表覆蓋變化檢測(cè)方法研究及系統(tǒng)實(shí)現(xiàn)[D];山東農(nóng)業(yè)大學(xué);2015年

9 趙姣姣;基于無監(jiān)督方法的SAR圖像變化檢測(cè)[D];西安電子科技大學(xué);2014年

10 李曉婷;基于信息融合與勻質(zhì)區(qū)域提取的SAR圖像變化檢測(cè)[D];西安電子科技大學(xué);2014年

，

本文編號(hào)：1683682