利用上下文信息的高分辨率SAR圖像解譯技術(shù)研究.pdf

1、高分辨率SAR圖像能夠?yàn)榄h(huán)境監(jiān)測(cè)及情報(bào)收集提供有力支持,隨著SAR成像技術(shù)的快速發(fā)展和偵察頻次的不斷提升,對(duì)于高分辨率SAR圖像自動(dòng)解譯技術(shù)的需求日益迫切。在新出現(xiàn)的分米級(jí)高分辨率SAR圖像中,地物目標(biāo)呈現(xiàn)出結(jié)構(gòu)復(fù)雜和亮度不均的新特點(diǎn),使得傳統(tǒng)基于像素的SAR圖像解譯技術(shù)不再適用。研究適用于高分辨率SAR圖像的自動(dòng)解譯技術(shù)對(duì)于實(shí)時(shí)決策支持以及自動(dòng)情報(bào)挖掘有著重要的現(xiàn)實(shí)意義。
　　本文從人的視覺解譯過程出發(fā),提出了以利用上下文信息為

2、指導(dǎo)思想、以圖像分割為基礎(chǔ)、以案例推理技術(shù)為核心的高分辨率SAR圖像解譯系統(tǒng)框架。研究了圖像預(yù)處理、圖像分割、目標(biāo)鑒別與目標(biāo)提取等關(guān)鍵技術(shù),從場(chǎng)景復(fù)雜的整幅高分辨率SAR圖像出發(fā),完成了以車輛為感興趣目標(biāo)的自動(dòng)化目標(biāo)檢測(cè)與定位。開展的工作主要包括以下幾個(gè)方面:
　　首先,研究了高分辨率SAR圖像預(yù)處理技術(shù)。為了將含有噪聲和缺陷的高分辨率SAR圖像轉(zhuǎn)化為適合自動(dòng)處理的數(shù)據(jù),進(jìn)行了基于多項(xiàng)式擬合的方位向衰減校正和基于非局部方法的相干斑

3、抑制工作。前者是一種簡(jiǎn)單而魯棒的修正高分辨率SAR圖像缺陷的方法,后者是一種通過利用圖像不同尺度上的空間上下文信息,在保護(hù)圖像細(xì)節(jié)的同時(shí)抑制相干斑噪聲的濾波技術(shù)。圖像預(yù)處理環(huán)節(jié)增強(qiáng)了圖像質(zhì)量,為后續(xù)的圖像處理工作掃除了障礙。
　　其次,研究了高分辨率SAR圖像分割技術(shù)。為了定位高分辨率下以面目標(biāo)形式存在的感興趣目標(biāo)并獲得其周圍的上下文信息,必須研究適用于高分辨率SAR圖像的分割方法。通過分析經(jīng)典的水平集分割算法,提出了改進(jìn)的RSF

4、模型,解決了RSF模型對(duì)于初始輪廓的依賴問題;對(duì)改進(jìn)RSF模型進(jìn)行了多相化推廣并應(yīng)用于高分辨率SAR圖像分割任務(wù)中,最終的分割結(jié)果由四類背景分割和二類目標(biāo)分割融合得到。實(shí)驗(yàn)證明,該方法能夠在大場(chǎng)景的高分辨率SAR圖像中準(zhǔn)確地分割出陰影與背景,并得到包括樹木、建筑、車輛在內(nèi)的目標(biāo)位置。此方法無需調(diào)整參數(shù),魯棒性和實(shí)用性較強(qiáng)。
　　再次,研究了高分辨SAR圖像目標(biāo)鑒別技術(shù)。為了解決樣本數(shù)目有限、目標(biāo)形狀復(fù)雜條件下的目標(biāo)鑒別問題,引入了

5、基于案例推理技術(shù)。從人眼視覺解譯過程入手,分析并設(shè)計(jì)了案例庫數(shù)據(jù)結(jié)構(gòu)、案例匹配規(guī)則和案例庫更新方式等關(guān)鍵細(xì)節(jié),構(gòu)建了具有增量學(xué)習(xí)能力的目標(biāo)鑒別專家系統(tǒng)。實(shí)驗(yàn)證明,該系統(tǒng)在分割結(jié)果合理的前提下,能夠有較鑒別復(fù)雜環(huán)境中的樹木、建筑及車輛,在郊區(qū)場(chǎng)景中車輛目標(biāo)的檢測(cè)率可達(dá)到85％以上。該系統(tǒng)的推理結(jié)構(gòu)接近于人的思維,且案例庫的管理與維護(hù)方便,可以隨時(shí)在人機(jī)交互條件下進(jìn)行增量式學(xué)習(xí),以解決不斷出現(xiàn)的新問題。
　　最后,進(jìn)行了高分辨率SAR

6、車輛目標(biāo)提取方法的研究。為了充分利用高分辨率SAR圖像的細(xì)節(jié)信息,在目標(biāo)鑒別粗定位結(jié)果的基礎(chǔ)上進(jìn)一步挖掘密集車輛目標(biāo)的姿態(tài)與數(shù)量等關(guān)鍵信息,使用形態(tài)學(xué)方法提取了車輛目標(biāo)的“L”形結(jié)構(gòu)特征;使用模板匹配技術(shù)同時(shí)完成了潛在目標(biāo)的精細(xì)定位和姿態(tài)估計(jì);利用車輛群的上下文信息實(shí)現(xiàn)了虛假目標(biāo)的篩選,得到了以矩形標(biāo)識(shí)的目標(biāo)提取結(jié)果。實(shí)驗(yàn)表明,該方法能夠從密集目標(biāo)環(huán)境中有效提取車輛目標(biāo),在手動(dòng)選擇目標(biāo)感興趣區(qū)域的條件下可以達(dá)到90%以上的正確提取率和1