SAR圖像質(zhì)量評(píng)估與分割方法的研究.pdf

1、合成孔徑雷達(dá)(Synthetic aperture radar, SAR)不受天氣、光照等條件的限制，可以對(duì)感興趣的目標(biāo)進(jìn)行全天時(shí)、全天候的偵查，能夠穿透掩蓋物實(shí)現(xiàn)隱蔽目標(biāo)探測(cè)，在惡劣的環(huán)境下也能以較高的分辨率提供詳細(xì)的地面測(cè)繪數(shù)據(jù)和圖像。所以近年來(lái)SAR在軍事與民用領(lǐng)域得到了廣泛的應(yīng)用。而隨著SAR系統(tǒng)的快速發(fā)展，SAR圖像的解譯技術(shù)急需得到提升。SAR圖像的質(zhì)量評(píng)估與圖像分割是解譯技術(shù)中兩個(gè)最基本的環(huán)節(jié)，質(zhì)量評(píng)估技術(shù)是包括分割在內(nèi)的

2、所有SAR圖像應(yīng)用的基礎(chǔ)，它屬于分割的預(yù)處理部分，是得到好的分割效果的前提；同時(shí)在分割之后的質(zhì)量評(píng)估可以用來(lái)評(píng)價(jià)分割算法的優(yōu)劣，為不同分割算法提供客觀評(píng)估指標(biāo)。對(duì)這兩種技術(shù)的研究可以為SAR系統(tǒng)的改進(jìn)、功能的完善以及自動(dòng)目標(biāo)識(shí)別的建立提供基礎(chǔ)，奠定SAR系統(tǒng)在空間信息智能化的重要地位，推動(dòng)SAR在眾多領(lǐng)域里的應(yīng)用與開(kāi)發(fā)。
　　本論文圍繞SAR圖像質(zhì)量評(píng)估和SAR圖像的分割方法展開(kāi)研究。其中在SAR圖像質(zhì)量評(píng)估中又分別研究了被背景雜

3、波干擾的點(diǎn)目標(biāo)質(zhì)量評(píng)估以及被有源噪聲干擾的SAR干擾圖像的質(zhì)量評(píng)估。在SAR圖像分割方法的研究中，從空域三重馬爾可夫分割模型入手，提出了基于模糊的三重馬爾可夫分割模型算法，又從多分辨率角度，利用小波理論討論了兩種多尺度三重馬爾可夫分割模型算法。具體如下：
　　1．由于高性能高標(biāo)準(zhǔn)的SAR系統(tǒng)需要更加精準(zhǔn)的質(zhì)量評(píng)估結(jié)果來(lái)反饋指導(dǎo)系統(tǒng)進(jìn)行調(diào)整，而傳統(tǒng)的點(diǎn)目標(biāo)質(zhì)量評(píng)估仿真方法都是使用理想點(diǎn)目標(biāo)的脈沖響應(yīng)函數(shù)來(lái)進(jìn)行分析的，本文提出了一種考

4、慮雜波背景的點(diǎn)目標(biāo)質(zhì)量評(píng)估實(shí)驗(yàn)方法。首先在實(shí)際SAR圖像上提取不同類(lèi)型的雜波數(shù)據(jù)塊，然后將雜波數(shù)據(jù)塊疊加到理想點(diǎn)目標(biāo)圖像上，最后利用脈沖響應(yīng)函數(shù)實(shí)驗(yàn)分析方法分析其峰值旁瓣比。與其他模型相比較，所獲得的評(píng)估結(jié)果更接近理想測(cè)量值，作為一種實(shí)驗(yàn)研究方法，可以為SAR系統(tǒng)反饋提供更有效更精確的參考數(shù)據(jù)，有一定意義。
　　2．在研究了傳統(tǒng)方法對(duì)SAR干擾圖像質(zhì)量評(píng)估缺乏感知性的基礎(chǔ)上，針對(duì)被有源噪聲干擾的SAR圖像，本文提出了一種基于紋理的

5、SAR圖像感知質(zhì)量評(píng)估方法，該方法在結(jié)構(gòu)相似度的基礎(chǔ)上，利用紋理特性加權(quán)結(jié)構(gòu)因子，能突出SAR圖像的紋理特點(diǎn)，得到一個(gè)基于紋理的結(jié)構(gòu)相似度測(cè)量，而后利用小波變換與人類(lèi)視覺(jué)系統(tǒng)中對(duì)比敏感度函數(shù)的倍頻程特性，將不同頻帶不同方向的紋理結(jié)構(gòu)相似度測(cè)量值進(jìn)行感知性加權(quán)，使其在中低頻的作用更為突出，最后歸一化得到一個(gè)具有感知性的基于紋理的SAR圖像質(zhì)量評(píng)估結(jié)果，實(shí)驗(yàn)表明該方法對(duì)有源噪聲干擾，尤其是對(duì)局部噪聲干擾的評(píng)估相對(duì)于其他方法更接近主觀評(píng)估效果

6、。
　　3．在對(duì)SAR圖像分割方法的研究中，首先討論了SAR圖像的統(tǒng)計(jì)分布模型，給出了伽馬建模的理論依據(jù)。然后介紹了描述非平穩(wěn)SAR圖像特性的空域三重馬爾可夫模型，將此模型與模糊理論相結(jié)合，并用紋理特征來(lái)初始化附加場(chǎng)，釋放觀測(cè)場(chǎng)原有的假設(shè)條件，進(jìn)一步改進(jìn)了現(xiàn)有的基于三重馬爾可夫模型的SAR圖像分割方法。在參數(shù)估計(jì)中，利用構(gòu)建的模糊目標(biāo)函數(shù)進(jìn)行隸屬度和觀測(cè)場(chǎng)統(tǒng)計(jì)模型參數(shù)的估計(jì)，對(duì)三重馬爾可夫模型參數(shù)的估計(jì)，是在原有隨機(jī)梯度結(jié)合循環(huán)條

7、件估計(jì)方法的基礎(chǔ)上，引入隸屬度作為加權(quán)值來(lái)調(diào)節(jié)模型參數(shù)的更新，達(dá)到了優(yōu)化的目的。所提方法能提供無(wú)監(jiān)督的SAR圖像分割，比其他空域的分割算法有較大的改善。
　　4．對(duì)多尺度的SAR圖像分割模型，利用小波域多尺度分割的思想，構(gòu)建了基于隱馬爾可夫樹(shù)的三重馬爾可夫模型和基于高斯馬爾可夫的三重馬爾可夫模型。這兩種方法充分利用了小波域多尺度空間結(jié)構(gòu)的相互依賴關(guān)系的優(yōu)勢(shì)，對(duì)觀測(cè)場(chǎng)的建模更為精確。同時(shí)，給出多尺度三重馬爾可夫模型的能量函數(shù)，建立多