本文關鍵詞：基于分類的極化SAR圖像中感興趣類地物變化檢測算法研究，由筆耕文化傳播整理發(fā)布。

【摘要】：合成孔徑雷達(Synthetic Aperture Radar,SAR)因其全天時全天候的特點,已成為遙感領域獲取信息的重要手段之一。隨著多波段、多極化、全極化SAR的出現(xiàn)及發(fā)展,雷達獲取到的目標散射信息也更為豐富。由此帶來的優(yōu)勢是目標的散射機理可以更為有效的被提取出來,這也使極化SAR圖像在目標分類、檢測、識別等領域的應用愈來愈廣泛。極化SAR圖像變化檢測作為極化SAR圖像處理中一個重要的分支,在經(jīng)濟領域和民用領域都發(fā)揮著舉足輕重的作用。如:地形變化的監(jiān)測、洪澇災害的預防、災后搜救、城市變遷的檢測與評估、農(nóng)田監(jiān)測和戰(zhàn)場感知等。而這些應用大多針對某一感興趣類地物進行變化檢測,例如洪澇災害的預防大多檢測水體類的變化,城市變遷的檢測與評估大多檢測建筑群的變化,農(nóng)田長勢的監(jiān)測大多檢測農(nóng)田的變化。而現(xiàn)實中,系統(tǒng)采集到的極化SAR數(shù)據(jù)往往包含較多類型的地物,在兩次觀測時間內,非感興趣類的地物很有可能也發(fā)生了變化。因此如何利用復雜場景下的極化SAR數(shù)據(jù)實現(xiàn)某一感興趣類地物的變化檢測成為了本文研究的方向。本文針對復雜場景下感興趣類地物的變化檢測開展研究并給出了兩種檢測算法。(1)利用改進的Wishart距離算法得到感興趣類地物樣本與兩時相極化SAR圖像的極化距離測度,然后對該測度進行比值對數(shù)變換,構造差異圖像,最后利用雙閾值分割法提取出變化區(qū)域,并區(qū)分出兩種變化類型。(2)利用h/q分解對兩時相圖像中每個像元進行初始分類,然后利用貝葉斯迭代聚類方法對兩時相圖像的初識分類模板重新分類,得到最終分類結果圖;進而根據(jù)感興趣類地物的極化散射特性和回波特性,從分類結果圖中提取出符合該特性的像元,得到只含有感興趣類像元的二值圖;最后對兩時相圖像進行雙差值運算,提取出兩類變化區(qū)域。第一種算法需要利用感興趣類地物的訓練樣本,是基于有監(jiān)督分類的變化檢測算法,該算法無需對圖像進行初識分類,大大減少了計算量;第二種算法無需先驗信息,是基于非監(jiān)督分類的變化檢測算法,該算法克服了訓練樣本對檢測結果可能造成的影響,同時對兩時相圖像中感興趣類地物的二值化提取取代了閾值分割算法,大大減少了閾值的設定對檢測結果的影響。本文利用Radarsat-2獲取的兩組數(shù)據(jù)進行試驗。實驗結果表明,兩種算法都能夠較好的實現(xiàn)復雜場景下感興趣類地物的變化檢測。
【關鍵詞】：極化合成孔徑雷達圖像 變化檢測 極化距離 h/q分解 貝葉斯迭代
【學位授予單位】：中國民航大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TN957.52
【目錄】：

• 摘要6-7
• Abstract7-11
• 第一章 緒論11-17
• 1.1 研究背景及意義11-12
• 1.2 國內外研究現(xiàn)狀12-14
• 1.3 論文的主要內容及結構安排14-17
• 第二章 極化SAR基礎理論17-33
• 2.1 前序17
• 2.2 電磁矢量散射算子17-23
• 2.2.1 電磁波極化及其表征17-20
• 2.2.2 極化散射矩陣20
• 2.2.3 極化Mueller矩陣和Kennaugh矩陣20-21
• 2.2.4 相干矩陣T和協(xié)方差矩陣C21-23
• 2.3 極化目標分解23-28
• 2.3.1 基于特征矢量的目標極化分解23-24
• 2.3.2 基于特征矢量的目標極化分解24-27
• 2.3.3 相干分解27-28
• 2.4 本文實驗數(shù)據(jù)簡介28-32
• 2.5 本章小結32-33
• 第三章 基于極化距離變換的極化SAR圖像變化檢測33-48
• 3.1 前序33
• 3.2 Wishart距離33-35
• 3.3 極化距離測度35-36
• 3.4 算法原理及流程36-38
• 3.5 實驗結果及分析38-46
• 3.6 本章小結46-48
• 第四章 基于h/q分解與迭代聚類的極化SAR圖像變化檢測48-60
• 4.1 前序48
• 4.2 基于散射機理的非監(jiān)督分類48-49
• 4.3 h/q分解理論49-51
• 4.4 算法原理及流程51-53
• 4.5 實驗結果及分析53-59
• 4.6 本章小結59-60
• 第五章 總結與展望60-62
• 5.1 本文工作總結60-61
• 5.2 未來工作展望61-62
• 參考文獻62-66
• 致謝66-67
• 攻讀碩士期間發(fā)表論文67

  本文關鍵詞：基于分類的極化SAR圖像中感興趣類地物變化檢測算法研究，由筆耕文化傳播整理發(fā)布。

，

本文編號：268365