極化SAR圖像人造目標(biāo)特征提取與檢測(cè)方法研究.pdf

1、極化合成孔徑雷達(dá)(PolSAR)可以利用不同極化通道的SAR復(fù)圖像區(qū)分物體的細(xì)致結(jié)構(gòu)、目標(biāo)指向、幾何形狀以及物質(zhì)組成等參數(shù)，在遙感領(lǐng)域具有廣闊的應(yīng)用前景。利用極化信息提取技術(shù)對(duì) SAR圖像中的典型目標(biāo)進(jìn)行特征提取和檢測(cè)是PolSAR圖像解譯和應(yīng)用的熱點(diǎn)課題，具有重要的理論意義和實(shí)用價(jià)值。論文立足于SAR極化信息的提取，以建筑物目標(biāo)檢測(cè)為目的，重點(diǎn)圍繞極化目標(biāo)分解、PolSAR圖像分類和PolSAR目標(biāo)檢測(cè)以及PolInSAR目標(biāo)檢測(cè)等內(nèi)

2、容進(jìn)行系統(tǒng)深入的研究。
　　首先，本文對(duì)目標(biāo)的極化特性和目標(biāo)分解方法進(jìn)行深入研究，包括相干目標(biāo)分解、基于特征值的非相干目標(biāo)分解和基于散射模型的非相干目標(biāo)分解方法。在深入研究已有極化目標(biāo)分解方法和其應(yīng)用范圍的基礎(chǔ)上，針對(duì)建筑物的特殊結(jié)構(gòu)和特有散射特性，提出基于多成分散射模型(MCSM)的極化目標(biāo)分解方法，綜合考慮了奇次散射、偶次散射、體散射、螺旋散射和線散射五種基本散射機(jī)理。利用E-SAR和EMISAR的PolSAR數(shù)據(jù)進(jìn)行實(shí)驗(yàn)，驗(yàn)

3、證了基于MCSM目標(biāo)分解方法的有效性，分解得到的各散射成分將作為主要特征用于后續(xù)的PolSAR圖像分類和PolSAR目標(biāo)檢測(cè)。
　　其次，在 PolSAR圖像分類研究中，利用支持向量機(jī)(SVM)在小樣本情況下良好的學(xué)習(xí)能力和結(jié)構(gòu)風(fēng)險(xiǎn)最小化的特性，在MCSM目標(biāo)分解的基礎(chǔ)上，本文提出聯(lián)合MCSM和SVM的PolSAR圖像分類方法。將MCSM提取的目標(biāo)散射特征與紋理特征相結(jié)合，考慮目標(biāo)的自身散射特性及其空間紋理，運(yùn)用SVM分類器進(jìn)行P

4、olSAR圖像分類?；谠摲椒▽?duì)EMISAR數(shù)據(jù)進(jìn)行了分類實(shí)驗(yàn)和性能評(píng)估，并且與基于Freeman分解和SVM的分類實(shí)驗(yàn)比較，結(jié)果表明聯(lián)合MCSM和SVM的分類方法能夠獲得良好的分類效果和較高分類精度。
　　針對(duì)PolSAR圖像目標(biāo)檢測(cè)，本文提出基于商空間粒度計(jì)算的PolSAR圖像目標(biāo)檢測(cè)算法，將基于MCSM的目標(biāo)分解結(jié)果、極化相似性參數(shù)和極化白化濾波結(jié)果作為粗粒度空間分別進(jìn)行目標(biāo)檢測(cè)，再利用商空間粒度合成將三個(gè)檢測(cè)結(jié)果進(jìn)行加權(quán)融

5、合得到細(xì)粒度空間，獲得最優(yōu)的檢測(cè)結(jié)果。該方法可綜合三種方法的優(yōu)點(diǎn)，充分考慮目標(biāo)的散射特性、與典型目標(biāo)的相似性以及對(duì)比度，并將其優(yōu)化組合實(shí)現(xiàn)目標(biāo)的高精度檢測(cè)。利用EMISAR數(shù)據(jù)分別進(jìn)行了 MCSM目標(biāo)分解、極化相似性參數(shù)、極化白化濾波以及基于商空間粒度合成的目標(biāo)檢測(cè)實(shí)驗(yàn)。對(duì)比各種方法的檢測(cè)結(jié)果表明，基于商空間粒度合成的目標(biāo)檢測(cè)方法能夠獲得較好的檢測(cè)效果。將基于商空間粒度合成的檢測(cè)結(jié)果和人工標(biāo)定的建筑物進(jìn)行匹配，結(jié)果表明基于商空間粒度合成