高分辨率SAR圖像分割與分類方法研究.pdf

1、合成孔徑雷達(dá)（Synthetic aperture radar, SAR）由于具有不受光照和氣候條件影響的成像能力，已經(jīng)成為一種重要的遙感對(duì)地觀測(cè)手段。SAR圖像分割與分類是SAR圖像處理與解譯的基礎(chǔ)問(wèn)題，也是SAR技術(shù)走向?qū)嶋H應(yīng)用的關(guān)鍵環(huán)節(jié)之一，具有重要的研究意義。
　　SAR成像技術(shù)發(fā)展的一個(gè)重要趨勢(shì)是空間分辨率的提高。高分辨率SAR圖像可以提供更為豐富的地面信息，但是也為SAR圖像分割與分類提出了新的問(wèn)題。相比于中低分辨率S

2、AR圖像，高分辨率SAR圖像呈現(xiàn)出統(tǒng)計(jì)特性改變、紋理特征突出、場(chǎng)景復(fù)雜、數(shù)據(jù)量大等特點(diǎn)，使得適用于中低分辨率SAR圖像的分割與分類算法難以滿足高分辨率SAR圖像處理的應(yīng)用需求。本文針對(duì)上述問(wèn)題，在總結(jié)和分析現(xiàn)有方法的基礎(chǔ)上，以準(zhǔn)確描述高分辨率SAR圖像特性和充分利用SAR圖像信息為出發(fā)點(diǎn)，提出了多種適用于高分辨率SAR圖像的分割與分類方法。
　　論文的主要工作和貢獻(xiàn)包括以下幾個(gè)方面：
　　1.在總結(jié)現(xiàn)有SAR圖像分割與分類理

3、論和方法的基礎(chǔ)上，結(jié)合高分辨率SAR圖像特性，分析了現(xiàn)有分割與分類方法應(yīng)用于高分辨率SAR圖像時(shí)存在的問(wèn)題。
　　2.研究了高分辨率SAR圖像統(tǒng)計(jì)建模理論及參數(shù)估計(jì)方法，基于G0統(tǒng)計(jì)模型建立了適用于高分辨率SAR圖像分割的能量函數(shù)模型，提出了基于G0分布和水平集方法的SAR圖像變分分割方法。在此基礎(chǔ)上，進(jìn)一步研究了基于凸松弛與凸優(yōu)化的能量函數(shù)優(yōu)化方案，研究并實(shí)現(xiàn)了基于G0分布和分裂Bregman算法的SAR圖像分割方法，可以有效提

4、高SAR圖像分割效率。
　　3.針對(duì)高分辨率SAR圖像紋理信息豐富、場(chǎng)景復(fù)雜的特點(diǎn)，提出一種結(jié)合鑒別學(xué)習(xí)理論的變分分割方法。該方法建立了一種新的變分分割模型，能夠結(jié)合鑒別學(xué)習(xí)獲得的特征分布信息與先驗(yàn)約束信息。基于所提變分模型，提出并實(shí)現(xiàn)了基于形態(tài)學(xué)紋理特征的高分辨率SAR圖像分割方法。實(shí)驗(yàn)表明，本文方法可以有效利用高維SAR圖像特征中包含的鑒別信息，提高高分辨率及復(fù)雜場(chǎng)景SAR圖像的分割準(zhǔn)確度。
　　4.針對(duì)基于像素點(diǎn)的SA

5、R圖像分類方法容易受噪聲及雜波干擾的問(wèn)題，研究了基于超像素的高分辨率SAR圖像分類方法。首先，針對(duì)SAR圖像中超像素生成問(wèn)題，提出了一種基于統(tǒng)計(jì)模型和強(qiáng)度均值比的超像素生成方法，并通過(guò)實(shí)驗(yàn)驗(yàn)證了該方法對(duì)于SAR圖像的適用性。在提取的超像素基礎(chǔ)上，研究了SAR圖像超像素特征提取方法，提出了一種基于超像素稀疏編碼特征提取的SAR圖像分類方法，基于真實(shí)高分辨率SAR圖像的分類實(shí)驗(yàn)驗(yàn)證了該方法的優(yōu)點(diǎn)。
　　5.針對(duì)高分辨率極化SAR（Po

6、larimetric Synthetic Aperture Radar, PolSAR）圖像分類問(wèn)題，提出了結(jié)合極化信息與空間信息的PolSAR圖像分類方法。該方法通過(guò)集合多種極化特征構(gòu)建高維特征空間，然后基于稀疏表示分類理論對(duì)極化 SAR圖像進(jìn)行分類。為了有效利用PolSAR圖像空間信息，將稀疏表示分類理論與超像素相結(jié)合，提出了兩種不同的PolSAR圖像分類方案。本文所提方法不僅能夠有效地提高高分辨率PolSAR圖像分類準(zhǔn)確率，同時(shí)也