【摘要】：合成孔徑雷達(Synthetic aperture radar,SAR)由于具有不受光照和氣候條件影響的成像能力,已經成為一種重要的遙感對地觀測手段。SAR圖像分割與分類是SAR圖像處理與解譯的基礎問題,也是SAR技術走向實際應用的關鍵環(huán)節(jié)之一,具有重要的研究意義。SAR成像技術發(fā)展的一個重要趨勢是空間分辨率的提高。高分辨率SAR圖像可以提供更為豐富的地面信息,但是也為SAR圖像分割與分類提出了新的問題。相比于中低分辨率SAR圖像,高分辨率SAR圖像呈現(xiàn)出統(tǒng)計特性改變、紋理特征突出、場景復雜、數(shù)據量大等特點,使得適用于中低分辨率SAR圖像的分割與分類算法難以滿足高分辨率SAR圖像處理的應用需求。本文針對上述問題,在總結和分析現(xiàn)有方法的基礎上,以準確描述高分辨率SAR圖像特性和充分利用SAR圖像信息為出發(fā)點,提出了多種適用于高分辨率SAR圖像的分割與分類方法。論文的主要工作和貢獻包括以下幾個方面:1.在總結現(xiàn)有SAR圖像分割與分類理論和方法的基礎上,結合高分辨率SAR圖像特性,分析了現(xiàn)有分割與分類方法應用于高分辨率SAR圖像時存在的問題。2.研究了高分辨率SAR圖像統(tǒng)計建模理論及參數(shù)估計方法,基于G0統(tǒng)計模型建立了適用于高分辨率SAR圖像分割的能量函數(shù)模型,提出了基于G0分布和水平集方法的SAR圖像變分分割方法。在此基礎上,進一步研究了基于凸松弛與凸優(yōu)化的能量函數(shù)優(yōu)化方案,研究并實現(xiàn)了基于G0分布和分裂Bregman算法的SAR圖像分割方法,可以有效提高SAR圖像分割效率。3.針對高分辨率SAR圖像紋理信息豐富、場景復雜的特點,提出一種結合鑒別學習理論的變分分割方法。該方法建立了一種新的變分分割模型,能夠結合鑒別學習獲得的特征分布信息與先驗約束信息�；谒嶙兎帜Ｐ�,提出并實現(xiàn)了基于形態(tài)學紋理特征的高分辨率SAR圖像分割方法。實驗表明,本文方法可以有效利用高維SAR圖像特征中包含的鑒別信息,提高高分辨率及復雜場景SAR圖像的分割準確度。4.針對基于像素點的SAR圖像分類方法容易受噪聲及雜波干擾的問題,研究了基于超像素的高分辨率SAR圖像分類方法。首先,針對SAR圖像中超像素生成問題,提出了一種基于統(tǒng)計模型和強度均值比的超像素生成方法,并通過實驗驗證了該方法對于SAR圖像的適用性。在提取的超像素基礎上,研究了SAR圖像超像素特征提取方法,提出了一種基于超像素稀疏編碼特征提取的SAR圖像分類方法,基于真實高分辨率SAR圖像的分類實驗驗證了該方法的優(yōu)點。5.針對高分辨率極化SAR(Polarimetric Synthetic Aperture Radar,PolSAR)圖像分類問題,提出了結合極化信息與空間信息的PolSAR圖像分類方法。該方法通過集合多種極化特征構建高維特征空間,然后基于稀疏表示分類理論對極化SAR圖像進行分類。為了有效利用PolSAR圖像空間信息,將稀疏表示分類理論與超像素相結合,提出了兩種不同的PolSAR圖像分類方案。本文所提方法不僅能夠有效地提高高分辨率PolSAR圖像分類準確率,同時也擴展了基于稀疏表示的分類理論與方法�？傊�,本文圍繞高分辨率SAR圖像分割與分類問題展開了一系列研究,豐富了SAR圖像分割與分類理論,可以為高分辨率條件下SAR圖像信息獲取與解譯提供有效方法。
【學位授予單位】：電子科技大學
【學位級別】：博士
【學位授予年份】：2015
【分類號】：TN957.52

【相似文獻】

相關期刊論文 前10條

1 唐偉力;龍建忠;;一種基于降雨模型的圖像分割方法在礫巖圖像分割中的應用[J];成都信息工程學院學報;2007年02期

2 黃曉莉;曾黃麟;王秀碧;劉永春;;基于脈沖耦合神經網絡的圖像分割[J];信息技術;2008年09期

3 肖飛;綦星光;;圖像分割方法綜述[J];可編程控制器與工廠自動化;2009年11期

4 汪一休;;一種交互式圖像分割的修正優(yōu)化方法[J];中國科學技術大學學報;2010年02期

5 李丹;;圖像分割方法及其應用研究[J];科技信息;2010年36期

6 龔永義;黃輝;于繼明;關履泰;;基于熵的兩區(qū)域圖像分割[J];中國圖象圖形學報;2011年05期

7 張甫;李興來;陳佳君;;淺談圖像分割方法的研究運用[J];科技創(chuàng)新與應用;2012年04期

8 汪梅;何高明;賀杰;;常見圖像分割的技術分析與比較[J];計算機光盤軟件與應用;2013年06期

9 魏慶;盧照敢;邵超;;基于復雜性指數(shù)的圖像分割必要性判別技術[J];計算機工程與應用;2013年16期

10 陳曉丹;李思明;;圖像分割研究進展[J];現(xiàn)代計算機(專業(yè)版);2013年33期

相關會議論文 前10條

1 楊魁;趙志剛;;圖像分割技術綜述[A];2008年中國高校通信類院系學術研討會論文集（下冊）[C];2009年

2 楊暄;郭成安;李建華;;改進的脈沖耦合神經網絡及其在圖像分割中的應用[A];第十屆全國信號處理學術年會（CCSP-2001）論文集[C];2001年

3 楊生友;;圖像分割在醫(yī)學圖像中應用現(xiàn)狀綜述[A];2009中華醫(yī)學會影像技術分會第十七次全國學術大會論文集[C];2009年

4 閆平昆;;基于模型的圖像分割技術及其醫(yī)學應用[A];第十五屆全國圖象圖形學學術會議論文集[C];2010年

5 高嵐;胡友為;潘峰;盧凌;;基于小生境遺傳算法的SAR圖像分割[A];可持續(xù)發(fā)展的中國交通——2005全國博士生學術論壇（交通運輸工程學科）論文集（下冊）[C];2005年

6 孫莉;張艷寧;胡伏原;趙榮椿;;基于Gaussian-Hermite矩的SAR圖像分割[A];第十三屆全國圖象圖形學學術會議論文集[C];2006年

7 李盛;;基于協(xié)同聚類的圖像分割[A];第十四屆全國圖象圖形學學術會議論文集[C];2008年

8 張利;許家佗;;舌象圖像分割技術的研究與應用進展[A];中華中醫(yī)藥學會中醫(yī)診斷學分會第十次學術研討會論文集[C];2009年

9 秦昆;李振宇;李輝;李德毅;;基于云模型和格網劃分的圖像分割方法[A];《測繪通報》測繪科學前沿技術論壇摘要集[C];2008年

10 高惠琳;竇麗華;陳文頡;謝剛;;圖像分割技術在醫(yī)學CT中的應用[A];中國自動化學會控制理論專業(yè)委員會A卷[C];2011年

相關博士學位論文 前10條

1 白雪飛;基于視覺顯著性的圖像分割方法研究[D];山西大學;2014年

2 黃萬里;基于高分衛(wèi)星數(shù)據多尺度圖像分割方法的天山森林小班邊界提取研究[D];福建師范大學;2015年

3 王輝;圖像分割的最優(yōu)化和水平集方法研究[D];電子科技大學;2014年

4 高婧婧;腦部MR圖像分割理論研究[D];電子科技大學;2014年

5 潘改;偏微分方程在圖像分割中的應用研究[D];東北大學;2013年

6 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;2015年

7 侯葉;基于圖論的圖像分割技術研究[D];西安電子科技大學;2011年

8 裴繼紅;基于模糊信息處理的圖像分割方法研究[D];西安電子科技大學;1998年

9 張運杰;基于模糊系統(tǒng)理論的圖像分割技術研究[D];大連海事大學;2007年

10 張玲;基于模糊理論及其擴展的圖像分割研究及應用[D];山東大學;2012年

相關碩士學位論文 前10條

1 王聰聰;手機上的交互式圖像分割方法研究[D];華中科技大學;2013年

2 廖小波;基于貝葉斯最優(yōu)統(tǒng)計的圖切法圖像分割研究[D];昆明理工大學;2015年

3 姜士輝;基于Android系統(tǒng)的立木圖像分割方法研究[D];東北林業(yè)大學;2015年

4 路亞緹;基于粒子群優(yōu)化算法的最大熵多閾值圖像分割研究[D];鄭州大學;2015年

5 劉超;基于閾值圖像分割的研究及在蘋果定位中的應用[D];東華理工大學;2015年

6 何妮;結合顯著性目標檢測與圖像分割的服飾提取算法研究及實現(xiàn)[D];西南交通大學;2015年

7 劉曉磊;基于MRF隨機場模型的機器人視覺圖像分割方法研究[D];西安建筑科技大學;2015年

8 王周楠;數(shù)字圖像處理的研究仿真[D];中國地質大學(北京);2015年

9 許素素;改進的模糊C均值聚類算法在圖像分割中的應用[D];長安大學;2015年

10 齊國紅;基于FCM和SVM相結合的作物病害圖像分割方法研究[D];鄭州大學;2015年

本文編號：2767877