極化SAR（polarimetric synthetic aperture radar,PolSAR）采用水平極化和垂直極化的方式交替發(fā)射與接收雷達信號,測量的數(shù)據(jù)不僅僅是目標的后向散射系數(shù),而是復散射矩陣或復協(xié)方差矩陣,因此極化SAR數(shù)據(jù)包含了更完整更豐富的目標信息,為深入研究地物目標的散射特性提供了重要依據(jù)。隨著越來越多星載/機載極化SAR系統(tǒng)的成功研制與應用,海量的極化SAR圖像資源被獲取,為分析和解譯極化SAR圖像提供了必要的數(shù)據(jù)支持。極化SAR圖像分類是圖像解譯中一個既實用又關鍵的步驟,其目的在于根據(jù)分類單元特性的異同,將其歸入不同的地物類別,能夠揭示圖像的結構和本質,為極化SAR系統(tǒng)的自動目標識別與檢測奠定了基礎,在民用和軍事領域中的作用也日漸突出。為此,本論文對極化SAR圖像分類技術展開研究。本論文以極化SAR圖像為研究對象,以隨機場模型為基礎理論,從提高統(tǒng)計分布普適性、提高模型抗噪性和邊界保持性、實現(xiàn)隨機場模型的快速和無監(jiān)督改進、實現(xiàn)極化SAR圖像的多特征提取與融合等方面展開基于統(tǒng)計分布和隨機場模型的極化SAR圖像分類算法研究。本論文的研究內容和研究成果主要概括為以下五... 

【文章來源】：西安電子科技大學陜西省 211工程院校 教育部直屬院校

【文章頁數(shù)】：146 頁

【學位級別】：博士

【部分圖文】：

Flevoland數(shù)據(jù)在不同ML分類器下的分類結果(a)WMM(b)KMM(c)WGГ(d)WGГMM(e)

(3-7)圖3.2 邊界懲罰函數(shù)的曲線圖3.4.2 MWGГ-MRF 模型綜上分析可知，對極化 SAR 數(shù)據(jù)而言，混合模型中的每一分量對應了一種特定的類別，且在目標最終的模型推斷中存在著一定差異，為此，本章將式 (3-7) 所示的相關項模型引入到 MWGГ-MRF 混合模型的每一分量中，來改善分類結果。結合式(3-4) 和 (3-7)，MWGГ-MRF 混合模型在像素點 s 處的混合能量表達式為： 1edge1log= log exp logKMWM s s k s skKWk s skW x E xW x p C CC(3-8)其中， k s sE x C 為 MWGГ-MRF 混合模型中第 k 個分量的能量函數(shù)， 為平衡參數(shù)

Bare field(b) (c) (d)圖3.6 仿真數(shù)據(jù) (a) Foulum 圖像的 Pauli 分解圖 (b) 仿真數(shù)據(jù) Pauli 分解圖 (c) 參考圖 (d) 類別表3.1 實驗數(shù)據(jù)的先驗信息極化 SAR 圖像 圖像大小 波段 類別數(shù)目 雷達系統(tǒng)Case 1 仿真數(shù)據(jù) 128×128 L 5 EMISARCase 2 Flevoland mask 1 379×275 L 8 AIRSARCase 3 Flevoland mask 2 481×387 L 9 AIRSARCase 4 Niigata 358×396 L 5 PISARCase 5 Foulum 1100×800 L 6 EMISAR3.6.2 邊界提取結果及分析圖 3.7 給出了待分類極化 SAR 圖像、span 能量圖和由不同方法得到的邊界提取結果。從視覺上看，本章提出的邊界提取方法較基于區(qū)域的邊界提取方法能夠獲取到更清晰更準確的邊界定位，在強邊界處邊界強度更明顯，弱邊界也得到改善，且非邊界處的區(qū)域一致性更好。由于仿真數(shù)據(jù)的邊界信息是已知的，本章采用以下實驗來驗證邊界懲罰函數(shù) , s tg e e 的有效性，從而驗證將邊界懲罰函數(shù)引入 MWGГ-MRF 混合模型是有意義的。首先，從仿真數(shù)據(jù)中選取 4 塊同質區(qū)域和 6 塊邊界區(qū)域，圖 3.8 標記為 I、II、III、IV 的區(qū)域為同質區(qū)域，圖 3.9 標記為 I、II、III、IV、V、VI 的區(qū)域為邊界區(qū)域

【參考文獻】：
博士論文
[1]基于廣義Gamma分布的SAR圖像統(tǒng)計建模及應用研究[D]. 秦先祥.國防科學技術大學 2015
[2]基于三重馬爾可夫場的無監(jiān)督SAR圖像分割算法研究[D]. 甘露.西安電子科技大學 2015
[3]極化SAR圖像特征提取與分類方法研究[D]. 劉高峰.西安電子科技大學 2014
[4]基于統(tǒng)計模型的SAR圖像降斑和分割方法研究[D]. 張鵬.西安電子科技大學 2012
[5]極化SAR圖像分類方法研究[D]. 周曉光.國防科學技術大學 2008
[6]極化SAR信息處理技術研究[D]. 王文光.北京航空航天大學 2007



本文編號：3411007