發(fā)布時(shí)間：2022-12-08 05:20

　　隨著極化合成孔徑雷達(dá)（Polarimetric Synthetic Aperture Radar）影像分辨率的不斷提高,傳統(tǒng)中低分辨率的基于像素的影像解譯手段變得不再適用。針對(duì)高分辨率極化SAR影像的新特點(diǎn),本文基于“矩陣估計(jì)-對(duì)象構(gòu)建-目標(biāo)分解-對(duì)象分類”這一研究主線,采用了對(duì)象化的思維來解決傳統(tǒng)基于像素方法信息利用不全、易受相干斑噪聲影響等的問題,并提出了一系列適用于高分辨率極化SAR數(shù)據(jù)的自適應(yīng)的處理方法,主要研究工作及成果包括:1)針對(duì)傳統(tǒng)的窗口平均估計(jì)不再適用于不同異質(zhì)度混雜的高分辨率極化SAR影像的問題,發(fā)展一種自選擇矩陣估計(jì)方法。首先提出極化異質(zhì)度指數(shù),在對(duì)均質(zhì)區(qū)和異質(zhì)區(qū)進(jìn)行區(qū)分的基礎(chǔ)上,綜合在各自區(qū)域最優(yōu)的不動(dòng)點(diǎn)迭代估計(jì)與窗口平均估計(jì)獲得自選擇的矩陣估計(jì)結(jié)果;在進(jìn)一步對(duì)均質(zhì)區(qū)與異質(zhì)區(qū)之間的過渡區(qū)分析之后,通過對(duì)不動(dòng)點(diǎn)迭代估計(jì)和窗口平均估計(jì)進(jìn)行線性加權(quán)來對(duì)過渡區(qū)域進(jìn)行估計(jì),進(jìn)一步發(fā)展適用于全局的完全自適應(yīng)的極化SAR相干矩陣估計(jì)方法。2)針對(duì)傳統(tǒng)的超像素不能綜合利用全局圖像信息等問題,提出了一種引入Wishart能量的改進(jìn)SEEDS算法（Superpixels Extra... 

【文章頁(yè)數(shù)】：137 頁(yè)

【學(xué)位級(jí)別】：博士

【文章目錄】：
作者簡(jiǎn)歷
摘要
abstract
第一章 緒論
    1.1 背景與意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 極化SAR矩陣估計(jì)
        1.2.2 極化SAR超像素分割
        1.2.3 極化SAR目標(biāo)分解
        1.2.4 極化SAR分類方法
    1.3 論文研究?jī)?nèi)容
    1.4 論文組織結(jié)構(gòu)
第二章 極化SAR成像理論與數(shù)據(jù)特征
    2.1 極化SAR成像原理及技術(shù)發(fā)展
    2.2 極化SAR數(shù)據(jù)表達(dá)
    2.3 極化SAR數(shù)據(jù)特性
        2.3.1 極化SAR圖像散射對(duì)稱性
        2.3.2 SAR相干斑噪聲
        2.3.3 極化白化濾波及其變換
    2.4 本章小結(jié)
第三章 極化SAR自適應(yīng)矩陣估計(jì)方法
    3.1 極化SAR矩陣估計(jì)方法總結(jié)與分析
        3.1.1 矩陣SCM估計(jì)
        3.1.2 矩陣FP估計(jì)
    3.2 極化SAR異質(zhì)度指數(shù)
    3.3 極化SAR自選擇矩陣估計(jì)方法
        3.3.1 估計(jì)樣本自適應(yīng)選擇
        3.3.2 自選擇矩陣估計(jì)方法
        3.3.3 自選擇矩陣估計(jì)實(shí)驗(yàn)驗(yàn)證
    3.4 綜合考慮過渡異質(zhì)區(qū)的自適應(yīng)矩陣估計(jì)方法
        3.4.1 自適應(yīng)矩陣估計(jì)方法
        3.4.2 自適應(yīng)矩陣估計(jì)實(shí)驗(yàn)驗(yàn)證
    3.5 本章小結(jié)
第四章 引入Wishart能量的改進(jìn)SEEDS超像素算法
    4.1 超像素算法總結(jié)與分析
    4.2 引入Wishart能量的改進(jìn)SEEDS超像素生成算法
        4.2.1 極化SAR超像素生成的層次能量模型
        4.2.2 顧及極化SAR完整信息的塊層次更新
        4.2.3 基于Wishart能量的像素層次更新
        4.2.4 碎斑超像素去除及算法參數(shù)設(shè)置
    4.3 實(shí)驗(yàn)及討論
        4.3.1 Wishart能量性能評(píng)價(jià)
        4.3.2 模擬數(shù)據(jù)評(píng)價(jià)實(shí)驗(yàn)
        4.3.3 真實(shí)數(shù)據(jù)評(píng)價(jià)實(shí)驗(yàn)
        4.3.4 參數(shù)敏感性實(shí)驗(yàn)
    4.4 本章小結(jié)
第五章 對(duì)象化極化SAR統(tǒng)一分解方法
    5.1 極化SAR目標(biāo)分解方法總結(jié)與分析
        5.1.1 面向散射矩陣的相干目標(biāo)分解
        5.1.2 面向相干矩陣的非相干目標(biāo)分解
    5.2 相干非相干統(tǒng)一分解
        5.2.1 極化相干性劃分
        5.2.2 統(tǒng)一分解方法
        5.2.3 對(duì)象化統(tǒng)一分解
    5.3 統(tǒng)一分解實(shí)驗(yàn)驗(yàn)證
        5.3.1 相干性參數(shù)分析
        5.3.2 統(tǒng)一分解結(jié)果及分析
    5.4 本章小結(jié)
第六章 基于潛在概率語(yǔ)義模型的極化SAR圖像分類算法
    6.1 極化SAR分類研究總結(jié)與分析
    6.2 極化SAR分類輸入特征空間構(gòu)建
        6.2.1 分類特征選擇
        6.2.2 自適應(yīng)估計(jì)對(duì)(?)分解參數(shù)影響評(píng)價(jià)
    6.3 基于潛在概率語(yǔ)義的對(duì)象化分類
        6.3.1 分類特征的對(duì)象化
        6.3.2 分類特征的高維語(yǔ)義提取
        6.3.3 對(duì)象化語(yǔ)義分類方法流程
    6.4 對(duì)象化語(yǔ)義SVM實(shí)驗(yàn)驗(yàn)證
    6.5 本章小結(jié)
第七章 總結(jié)與展望
    7.1 論文內(nèi)容總結(jié)
        7.1.1 論文主要研究?jī)?nèi)容
        7.1.2 論文主要?jiǎng)?chuàng)新點(diǎn)
    7.2 研究展望
致謝
參考文獻(xiàn)


【參考文獻(xiàn)】：
期刊論文
[1]空間感知矩陣學(xué)習(xí)的極化SAR圖像分類[J]. 孫宸,成立業(yè).  西安電子科技大學(xué)學(xué)報(bào). 2018(06)
[2]多源遙感影像濕地檢測(cè)概率潛在語(yǔ)義分析[J]. 許凱,張倩倩,王彥華,劉福江,秦昆.  測(cè)繪學(xué)報(bào). 2017(08)
[3]選擇利用Wishart和K統(tǒng)計(jì)描述的極化SAR圖像分割[J]. 劉修國(guó),徐喬,陳啟浩,陳奇.  電子科技大學(xué)學(xué)報(bào). 2016(05)
[4]基于同質(zhì)像素預(yù)選擇的極化SAR圖像非局部均值濾波[J]. 楊學(xué)志,陳靖,周芳,郎文輝,鄭鑫,李國(guó)強(qiáng).  電子與信息學(xué)報(bào). 2015(12)
[5]結(jié)構(gòu)保持的雙邊濾波極化SAR圖像降噪[J]. 楊學(xué)志,葉銘,吳克偉,郎文輝,鄭鑫,李國(guó)強(qiáng).  電子與信息學(xué)報(bào). 2015(02)
[6]極化SAR相干斑抑制的非局部加權(quán)最小均方誤差濾波算法[J]. 馬曉雙,沈煥鋒,楊杰,張良培.  中國(guó)圖象圖形學(xué)報(bào). 2015(01)
[7]基于雙邊濾波的極化SAR相干斑抑制[J]. 王爽,于佳平,劉坤,侯彪,焦李成.  雷達(dá)學(xué)報(bào). 2014(01)
[8]極化SAR圖像處理中L分布雜波統(tǒng)計(jì)分析[J]. 劉濤,黃高明,王雪松,肖順平.  自然科學(xué)進(jìn)展. 2009(01)



本文編號(hào)：3713631