結(jié)合極化特征和圖像特征的極化SAR圖像分類研究.pdf

1、極化合成孔徑雷達(Polarimetric Synthetic Aperture Radar,簡寫極化SAR)是一種遙感信息獲取的先進手段,其數(shù)據(jù)的處理是對具有地物目標(biāo)電磁散射特性的回波信號進行的詳盡分析,這樣能夠提取更為豐富的有用信息。與傳統(tǒng)的合成孔徑雷達(Synthetic Aperture Radar,SAR)相比,極化SAR數(shù)據(jù)能夠完全獲得包含在散射信號極化特性中的關(guān)于散射過程的重要信息。極化SAR圖像分類是極化SAR圖像解譯的

2、一個重要分支,其分類結(jié)果圖可以作為邊緣提取、目標(biāo)檢測或識別等輔助信息,也可以作為最終結(jié)果輸出。極化SAR數(shù)據(jù)提供了大量的極化特征,如極化統(tǒng)計特征、極化目標(biāo)分解等,綜合利用各種極化特征和圖像特征來提取不同類別之間的差異性是極化SAR圖像分類的有效手段。本文基于極化SAR圖像的特點,主要進行了結(jié)合極化特征和圖像特征的極化SAR圖像分類研究,主要包括以下三方面的內(nèi)容:
　　1、提出了一種結(jié)合極化 SAR數(shù)據(jù)的統(tǒng)計先驗知識和馬爾科夫隨機場

3、(Markov Random Field, MRF)的極化SAR圖像分類。該算法在分類中,先對圖像過硬分割處理得到的圖像的初始區(qū)域,然后結(jié)合像素鄰域信息,根據(jù) MRF迭代標(biāo)記對初始區(qū)域進行修正,最后對修正后的區(qū)域運用上下文信息完成 MRF迭代分類。該算法在不同階段考慮了極化數(shù)據(jù)的統(tǒng)計先驗知識和圖像空間相關(guān)性,思想簡單,易于理解,具有較強的普適性。
　　2、提出了一種基于分水嶺區(qū)域劃分和極化特征的極化SAR圖像分類。該算法首先利用極

4、化散射特征的兩類參數(shù)計算初始標(biāo)記并用來修正傳統(tǒng)的分水嶺算法,得到改進的分水嶺區(qū)域的分割結(jié)果,在此基礎(chǔ)上利用復(fù) Wishart統(tǒng)計特征迭代完成分類。該算法能夠較好地提高邊緣平滑性和區(qū)域一致性,提高了極化SAR圖像分類質(zhì)量。
　　3、提出了一種基于改進的均值漂移(Mean Shift,簡寫MS)和MRF的極化SAR圖像分類方法。在該方法中,首先利用極化相干矩陣作為特征向量計算均值漂移功率圖,繼而采用標(biāo)記懲罰的均值漂移分割算法對極化數(shù)據(jù)