本文選題：干涉SAR + 相干圖�。� 參考：《西安電子科技大學(xué)》2014年碩士論文

【摘要】：干涉SAR(Interferometric Synthetic Aperture Radar,InSAR)作為合成孔徑雷達(dá)的延伸和發(fā)展,主要關(guān)注于獲取數(shù)字高程圖(Digital Elevation Model,DEM)。本文在介紹干涉SAR技術(shù)的基礎(chǔ)上,著重于干涉SAR圖像的分割。相干圖作為干涉SAR技術(shù)的中間步驟,有著重要的物理意義。它不僅作為相位圖的評價標(biāo)準(zhǔn),而且對于地物具有良好的可分性能。本文在對相干圖的特性進行分析的基礎(chǔ)上,利用其特性進行地物劃分。然后利用相干圖的良好的可分性,將其遷移到目標(biāo)SAR圖像上,以獲取更好的SAR圖像的分割效果。本文的主要工作如下:1.提出了一種基于相干特性與空間信息的干涉SAR的相干圖分割方法。首先對相干圖的同質(zhì)區(qū)域進行統(tǒng)計分析,比較不同勻質(zhì)區(qū)域的均值和方差參數(shù),基于相干圖的統(tǒng)計特性,利用最大后驗概率的貝葉斯分類器進行相干圖的初始劃分,同時引入Markov隨機場,利用相干圖的鄰域信息,從而有效的進行雜點去除。實驗結(jié)果顯示挖掘出的相干圖特性和空間信息能夠較好實現(xiàn)干涉SAR的相干圖分割。2.提出一種相干圖遷移聚類的SAR圖像分割算法。利用Kmeans方法對目標(biāo)SAR圖像進行初始劃分,根據(jù)得到的初始標(biāo)簽,用K-SVD算法為每一類數(shù)據(jù)學(xué)習(xí)一個字典。為了減少計算的復(fù)雜度和降低算法的隨機性,根據(jù)每一類的聚類中心,選擇距中心最近的一批樣本作為訓(xùn)練數(shù)據(jù)來訓(xùn)練字典。在進行目標(biāo)SAR圖像分割時,將相干圖中可分的信息通過稀疏表示的字典,遷移到目標(biāo)SAR圖像上,兩個真實干涉SAR圖像實驗表明分割的效果得到明顯提升。本工作得到了國家自然基金(Nos.61003198,61472306)和中央高�；究蒲袠I(yè)務(wù)費專項資金(JDYB140508)的資助。
[Abstract]:As an extension and development of synthetic Aperture Radar (SAR), interferometric SAR(Interferometric Synthetic Aperture Radarar (Insar) is mainly concerned with obtaining digital elevation map (DWT). Based on the introduction of interference SAR technology, this paper focuses on the segmentation of interference SAR images. As the intermediate step of interference SAR technique, coherent graph has important physical significance. It not only serves as the evaluation standard of phase map, but also has good separability for ground objects. In this paper, based on the analysis of the characteristics of coherent maps, the features of ground objects are divided. Then the coherent image is migrated to the target SAR image by using the good separability of the coherent image to obtain a better segmentation effect of the SAR image. The main work of this paper is as follows: 1. A coherent image segmentation method based on coherent characteristics and spatial information for interference SAR is proposed. Firstly, the homogeneity region of coherent map is statistically analyzed, and the mean and variance parameters of different homogeneous regions are compared. Based on the statistical characteristics of coherent graph, the Bayesian classifier with maximum posterior probability is used to divide the coherent map initially. At the same time, the Markov random field is introduced, and the neighborhood information of the coherent graph is used to remove the clutter effectively. The experimental results show that the extracted coherent image characteristics and spatial information can achieve the interference SAR coherent image segmentation. 2. A coherent map migration clustering algorithm for SAR image segmentation is proposed. The Kmeans method is used to divide the target SAR image. According to the initial label, the K-SVD algorithm is used to learn a dictionary for each class of data. In order to reduce the computational complexity and reduce the randomness of the algorithm, according to the clustering centers of each class, a group of samples closest to the center are selected as training data to train the dictionary. In the process of target SAR image segmentation, the separable information of coherent image is transferred to the target SAR image by sparse representation dictionary. Two real interference SAR image experiments show that the segmentation effect is improved obviously. This work is supported by the National Natural Fund "Nos.6100319891472306" and the special fund for basic scientific research business expenses of central colleges and universities (JDYB140508).
【學(xué)位授予單位】：西安電子科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2014
【分類號】：TN957.52

【相似文獻(xiàn)】

相關(guān)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(yīng)用[J];成都信息工程學(xué)院學(xué)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(jīng)網(wǎng)絡(luò)的圖像分割[J];信息技術(shù);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(xué)技術(shù)大學(xué)學(xué)報;2010年02期

5 李丹;;圖像分割方法及其應(yīng)用研究[J];科技信息;2010年36期

6 龔永義;黃輝;于繼明;關(guān)履泰;;基于熵的兩區(qū)域圖像分割[J];中國圖象圖形學(xué)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(yīng)用;2012年04期

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

9 魏慶;盧照敢;邵超;;基于復(fù)雜性指數(shù)的圖像分割必要性判別技術(shù)[J];計算機工程與應(yīng)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(guān)會議論文 前10條

1 楊魁;趙志剛;;圖像分割技術(shù)綜述[A];2008年中國高校通信類院系學(xué)術(shù)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(jīng)網(wǎng)絡(luò)及其在圖像分割中的應(yīng)用[A];第十屆全國信號處理學(xué)術(shù)年會（CCSP-2001）論文集[C];2001年

3 楊生友;;圖像分割在醫(yī)學(xué)圖像中應(yīng)用現(xiàn)狀綜述[A];2009中華醫(yī)學(xué)會影像技術(shù)分會第十七次全國學(xué)術(shù)大會論文集[C];2009年

4 閆平昆;;基于模型的圖像分割技術(shù)及其醫(yī)學(xué)應(yīng)用[A];第十五屆全國圖象圖形學(xué)學(xué)術(shù)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(xué)術(shù)論壇（交通運輸工程學(xué)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(xué)學(xué)術(shù)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(xué)學(xué)術(shù)會議論文集[C];2008年

8 張利;許家佗;;舌象圖像分割技術(shù)的研究與應(yīng)用進展[A];中華中醫(yī)藥學(xué)會中醫(yī)診斷學(xué)分會第十次學(xué)術(shù)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(wǎng)劃分的圖像分割方法[A];《測繪通報》測繪科學(xué)前沿技術(shù)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(shù)在醫(yī)學(xué)CT中的應(yīng)用[A];中國自動化學(xué)會控制理論專業(yè)委員會A卷[C];2011年

相關(guān)博士學(xué)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(xué);2014年

2 黃萬里;基于高分衛(wèi)星數(shù)據(jù)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(xué);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(xué);2014年

4 高婧婧;腦部MR圖像分割理論研究[D];電子科技大學(xué);2014年

5 潘改;偏微分方程在圖像分割中的應(yīng)用研究[D];東北大學(xué);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(xué);2015年

7 李偉斌;圖像分割中的變分模型與快速算法研究[D];國防科學(xué)技術(shù)大學(xué);2014年

8 鄧曉政;基于免疫克隆選擇優(yōu)化和譜聚類的復(fù)雜圖像分割[D];西安電子科技大學(xué);2014年

9 侯葉;基于圖論的圖像分割技術(shù)研究[D];西安電子科技大學(xué);2011年

10 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(xué);1998年

相關(guān)碩士學(xué)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(xué);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(xué);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(xué);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(xué);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(yīng)用[D];東華理工大學(xué);2015年

6 何妮;結(jié)合顯著性目標(biāo)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(xué);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(xué);2015年

8 王周楠;數(shù)字圖像處理的研究仿真[D];中國地質(zhì)大學(xué)(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(yīng)用[D];長安大學(xué);2015年

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

，

本文編號：1950167