基于散射特性的SAR圖像海上溢油檢測(cè)算法研究.pdf

1、本文是基于散射特性的SAR圖像海上溢油檢測(cè)算法研究，主要包括：
　?。?）針對(duì)海面SAR圖像的特點(diǎn)，對(duì)SAR圖像進(jìn)行預(yù)處理，分析不同濾波方法對(duì)海面SAR圖像的濾波效果；針對(duì)海面SAR圖像目標(biāo)區(qū)域遠(yuǎn)遠(yuǎn)小于背景區(qū)域的特點(diǎn)，采用局部區(qū)域?yàn)V波方法，而且后續(xù)的圖像分割也可以在這個(gè)濾波區(qū)域進(jìn)行，使得它更適應(yīng)海洋環(huán)境下的濾波。
　　（2）研究SAR圖像常用的分割方法，由于微波的散射特性導(dǎo)致交叉極化圖像與共極化圖像表現(xiàn)出不同的灰度特征，共極

2、化圖像海面與陸地灰度對(duì)比度較小，而交叉極化海陸灰度對(duì)比度較大，因此本文采用交叉極化進(jìn)行SAR圖像海陸分割；水平集方法對(duì)噪聲比較敏感，對(duì)噪聲較大的圖像分割得到的目標(biāo)區(qū)域邊界粗糙，因此，本文采用水平集的方法結(jié)合形態(tài)學(xué)濾波對(duì)噪聲較小的 SAR圖像進(jìn)行分割；馬爾可夫分割方法的抗噪能力較強(qiáng)，采用馬爾可夫分割分割方法對(duì)噪聲較大的圖像進(jìn)行分割。
　?。?）對(duì)分割后的圖像進(jìn)行特征提取，針對(duì)海洋環(huán)境下SAR圖像的特點(diǎn)，提取出圖像的幾何、灰度、紋理、

3、極化特征等，并且采用目標(biāo)區(qū)域的灰度最大值與最小值作為灰度共生矩陣求取紋理特征值的灰度上下限，減小所需要計(jì)算的灰度范圍、提高了特征參量的針對(duì)性。
　?。?）分析常用的分類器，采用已有樣本對(duì)不同分類器溢油識(shí)別能力進(jìn)行測(cè)試，并得到不同分類器識(shí)別溢油的精度；針對(duì)海洋溢油與疑似溢油特點(diǎn)建立SVM集成分類器進(jìn)行溢油識(shí)別；根據(jù)微波散射特性，利用全極化圖像進(jìn)行極化分解，通過Cloude分解、Yamaguchi分解得到極化參數(shù)，并結(jié)合全極化SAR圖