基于子孔徑的極化SAR圖像目標(biāo)分類算法研究.pdf

1、極化SAR能夠同時(shí)獲得目標(biāo)區(qū)域的多通道與高分辨率數(shù)據(jù)，可更好的揭示目標(biāo)的物理散射特性，因此，極化SAR圖像的特征提取與目標(biāo)分類在解釋雷達(dá)圖像和目標(biāo)識(shí)別方面起著十分重要的作用。充分利用極化信息，可更加準(zhǔn)確地理解目標(biāo)散射機(jī)理，從而帶來更好的SAR圖像分類結(jié)果。本文根據(jù)極化SAR數(shù)據(jù)的特點(diǎn)，結(jié)合子孔徑分析技術(shù)，進(jìn)行了極化SAR圖像目標(biāo)分類算法的研究，主要工作如下： 1.總結(jié)了目前常用的極化SAR圖像分類算法及其存在的問題。在此基礎(chǔ)上，

2、將AdaBoost算法與極化通道所攜帶的信息相結(jié)合，對極化SAR圖像進(jìn)行監(jiān)督分類，在已知場景類別數(shù)的情況下，該方法能夠加快收斂速度，改善分類效果； 2.研究了基于子孔徑分析的極化散射機(jī)理與特征提取方法。首先從時(shí)頻分解的角度對方位向子孔徑進(jìn)行了分析，對場景中存在的各向異性散射行為和布拉格諧振現(xiàn)象進(jìn)行了討論。針對場景中的非平穩(wěn)目標(biāo)，分析了已有的極大似然比非平穩(wěn)目標(biāo)檢測算法，還研究了一種基于熵值與平均散射機(jī)理角的聯(lián)合向量檢測非平穩(wěn)目標(biāo)

3、的方法。通過該方法可以對方位向頻譜中的非平穩(wěn)散射行為進(jìn)行定位，最終消除非平穩(wěn)散射在全孔徑中的影響； 3.對目標(biāo)的極化分解方法與基于極化分解的極化SAR圖像分類方法進(jìn)行了研究與仿真試驗(yàn)。如Pauli分解、Krogager分解、H/α分類、H/A/α分類、H/α/Wishart分類、H/A/α/Wishart分類和基于Freeman-Wishart的極化SAR圖像分類等。在此基礎(chǔ)上，改進(jìn)了基于AdaBoost算法的極化SAR圖像分類

4、方法，將Pauli分解與AdaBoost算法的優(yōu)勢得以發(fā)揮，該方法既解決了AdaBoost算法需要知道場景先驗(yàn)知識(shí)的缺點(diǎn)，同時(shí)還能改善分類效果、提高收斂速度； 4.改進(jìn)了基于全孔徑數(shù)據(jù)的極化SAR圖像分類方法，得到三種基于子孔徑的極化SAR圖像分類算法并進(jìn)行了仿真試驗(yàn)：一是非平穩(wěn)目標(biāo)檢測與H/α分類相結(jié)合的極化SAR圖像分類；二是子孔徑分解與H/α/Wishart迭代分類相結(jié)合的極化SAR圖像分類；三是結(jié)合Freeman分解與子