基于目標(biāo)分解的極化SAR圖像對(duì)比增強(qiáng)與分類方法研究.pdf

1、極化合成孔徑雷達(dá)（PolSAR）由于能夠提供一定波長(zhǎng)和視角下地物目標(biāo)的全極化散射信息，近年來受到了越來越多的關(guān)注。極化目標(biāo)分解理論將地物雷達(dá)散射回波分解為不同類型散射的疊加，因而，通過目標(biāo)分解處理能夠區(qū)別不同散射類型的地物——往往對(duì)應(yīng)著不同類別的地物。運(yùn)動(dòng)艦船檢測(cè)是SAR圖像目標(biāo)檢測(cè)的一個(gè)重要研究方向，由于高速運(yùn)動(dòng)艦船在SAR圖像上會(huì)出現(xiàn)位置偏移和散焦，散焦會(huì)導(dǎo)致部分艦船信息被海雜波淹沒而無法檢測(cè)。本文基于目標(biāo)分解理論，提出了一種新的對(duì)

2、比增強(qiáng)方法，能夠有效增強(qiáng)艦船和海面的對(duì)比度，改善艦船檢測(cè)效果。另外，本文分析了基于獨(dú)立分量分析（ICA）技術(shù)的極化SAR圖像相干斑抑制的效果，并且應(yīng)用于極化SAR圖像分類。實(shí)驗(yàn)表明，基于ICA技術(shù)相干斑抑制后進(jìn)行分類，可以有效提高分類精度。本文的主要內(nèi)容包括：
　?。?）討論了極化散射矩陣、Mueller矩陣、相干矩陣和協(xié)方差矩陣等極化數(shù)據(jù)表示形式及其物理意義，研究了極化目標(biāo)分解理論，包括經(jīng)典的Pauli分解、Krogager分解

3、、Cloude分解、Freeman分解等理論，為全文的研究做理論鋪墊。
　?。?）研究了極化SAR圖像對(duì)比增強(qiáng)的相關(guān)理論和算法?；诎\(yùn)動(dòng)艦船的海面全極化SAR圖像數(shù)據(jù)，提出了一種目標(biāo)對(duì)比增強(qiáng)的算法。該算法利用目標(biāo)分解后得到的三種散射分量，用線性加權(quán)法重建圖像。實(shí)驗(yàn)結(jié)果表明，該算法可以有效提高艦船區(qū)域和海面的對(duì)比度，從而提高艦船檢測(cè)性能。
　?。?）研究了ICA技術(shù)在極化SAR圖像相干斑抑制及圖像分類中的應(yīng)用，重點(diǎn)討論了快

4、速不動(dòng)點(diǎn)迭代ICA（FastICA）算法以及ICA稀疏編碼收縮(ICA-SCS)算法，介紹了直接基于ICA的極化SAR圖像分類方法。
　?。?）研究了基于目標(biāo)特征分解的極化SAR圖像分類算法。重點(diǎn)討論了基于Cloude分解的H/α和H/α/Wishart分類算法，討論了基于特征分解的極化SAR圖像分類算法的特點(diǎn)和不足之處，結(jié)合ICA相干斑抑制，繼而用特征分解類算法進(jìn)行分類。實(shí)驗(yàn)表明，基于ICA技術(shù)進(jìn)行相干斑抑制，作為極化SAR圖像