基于統(tǒng)計特性與字典學習的極化SAR圖像壓縮.pdf

1、合成孔徑雷達（Synthetic Aperture Radar，SAR），作為一種高分辨率的微波遙感工具，具有全天候、全天時的特點，被廣泛的應用于遙感領域，如目標識別，軍事偵察以及地形測繪等。增加了極化屬性的極化SAR更是對SAR信息的進一步補充，大大擴展了其應用范圍。但是由于SAR及極化SAR的工作原理導致兩者都具有龐大的數(shù)據(jù)量，尤其是對極化SAR來說其數(shù)據(jù)量是異常大的，這對兩者的數(shù)據(jù)傳輸工作造成了巨大的壓力，因而對于其數(shù)據(jù)的壓縮是十

2、分必要的。
　　本文對SAR圖像壓縮中常用的兩類方法，即多尺度分解方法以及稀疏表示與字典學習方法的理論與應用做了詳細的分析，并且基于極化 SAR圖像不同于一般的SAR圖像并不能簡單的應用SAR圖像的方法處理極化 SAR圖像，提出了針對極化SAR特性的有效壓縮方法。
　　本文提出了一種基于圖像相似性的極化SAR圖像壓縮方法，利用極化SAR覆蓋地域范圍廣闊以致其所對應的圖像中具有相似部分的特點，結合稀疏表示與字典學習的方法在極化

3、SAR圖像相關冗余去除的問題上不僅有效的去除空間冗余，通道間冗余而且去除了圖像塊間的相似冗余，最終使極化SAR圖像壓縮取得較好的效果。
　　本文提出了一種基于多方向 RLS-DLA的極化 SAR圖像壓縮方法，其對于圖像尺度分解的方向性，利用RLS-DLA得到各個方向各個尺度的最佳匹配字典，最后結合稀疏表示并采用合適的編碼策略實現(xiàn)極化SAR圖像的有效壓縮，由于稀疏表示使用的字典是針對圖像變換后的各方向高頻子帶系數(shù)特征，故壓縮過程保護