基于特征學(xué)習(xí)和低秩分解的極化SAR圖像分割.pdf

1、極化合成孔徑雷達具有不受外界氣候和環(huán)境條件的限制進行全天時全天候觀測的特點，極化SAR圖像分割是極化SAR圖像處理和解譯的重要組成部分，分割質(zhì)量的好壞直接影響到后續(xù)的極化SAR目標(biāo)檢測和識別的準(zhǔn)確度。傳統(tǒng)的極化SAR圖像分割的方法采用的都是基于像素點的特征，沒有考慮到像素之間所具有的結(jié)構(gòu)和空間關(guān)系特征，分割結(jié)果的區(qū)域一致性不好。本文在極化SAR區(qū)域圖的基礎(chǔ)上，利用低秩分解和反卷積網(wǎng)絡(luò)對像素之間的結(jié)構(gòu)關(guān)系特征進行提取，主要的研究成果如下：

2、
　　1）提出了一種基于低秩分解和直方圖統(tǒng)計信息的極化SAR圖像分割方法。首先提取極化SAR圖像的區(qū)域圖，通過對極化SAR圖像區(qū)域圖的聚集區(qū)域、勻質(zhì)區(qū)域和結(jié)構(gòu)區(qū)域分別進行分割操作，得到最終的分割結(jié)果。針對聚集區(qū)域中的地物具有很強的聚集性和低秩結(jié)構(gòu)關(guān)系的特點，采用低秩分解模型對空間上不連通的各個聚集區(qū)域中提取的樣本分別進行低秩分解并對低秩分解的低秩部分進行直方圖統(tǒng)計，采用巴氏距離求取不同聚集區(qū)域之間直方圖統(tǒng)計的距離并構(gòu)造相似性矩陣，

3、最后利用構(gòu)造的相似性矩陣采用基于圖割的譜聚類的方法對相似的聚集區(qū)域進行合并得到最終的聚集區(qū)域的分割結(jié)果。由于勻質(zhì)區(qū)域不具有明顯的結(jié)構(gòu)關(guān)系，對勻質(zhì)區(qū)域采用H/α/A-wishart的分割方法進行分割。對結(jié)構(gòu)區(qū)域使用分水嶺和基于 Wishart距離的超像素合并的方法進行分割，并將分割結(jié)果和聚集區(qū)域以及勻質(zhì)區(qū)域的分割結(jié)果進行合并得到最終的分割結(jié)果。
　　2）提出了一種基于反卷積網(wǎng)絡(luò)和稀疏表示的極化SAR圖像分割方法。首先提取極化SAR圖

4、像的區(qū)域圖，對極化SAR圖像進行Pauli分解，得到表示極化SAR圖像相干矩陣對角線三元素幅度值和上三角陣三元素相位值的圖像，利用提取到的幅度和相位值的樣本分別訓(xùn)練一個4層反卷積網(wǎng)絡(luò)，對每個聚集區(qū)域幅度的濾波器組和相位的濾波器組進行合并，利用每個聚集區(qū)域的合并的濾波器組構(gòu)造字典，將每個聚集區(qū)域的濾波器對構(gòu)造的字典分別進行投影，并求取投影的平均值作為該聚集區(qū)域的區(qū)域特征向量，求取每兩個聚集區(qū)域之間的區(qū)域特征向量的余弦距離并構(gòu)造相似性矩陣，