基于第二代Directionlet变换和聚类集成的SAR图像处理技术

摘要

随着高分辨合成孔径雷达技术被广泛地应用于灾害评估、环境监测、目标识别与跟踪等民用领域和军用领域,高分辨SAR图像处理技术的研宄逐渐成为了目前各国相关学者的关注焦点。相比于其他对地遥感观测技术而言,高分辨SAR具有全时段、全天候工作等优势。然而由于具有数据量庞大、图像地物目标丰富、受相干斑噪声污染严重等特点,高分辨SAR图像的处理面临着许多新的挑战。
　　本文根据实际应用的需求,结合高分辨SAR图像的特点,利用多尺度几何分析工具第二代Directionlet变换与聚类集成技术,分别开展了 S A R图像相干斑抑制、SAR图像分割与SAR图像变化检测三个方面的工作。
　　论文的主要研宄内容如下:
　　(1)简单分析了 SAR的成像机理与相干斑噪声的特点,研宄了 SAR图像统计模型,分析比较了几种现有的SAR图像噪声抑制方法的优点与缺陷,并对第一代Directionlet变换进行了改进。在此基础上,提出了基于第二代Directionlet变换与隐马尔可夫树模型的SAR图像去噪算法,通过与几种传统方法结果的比较,证明了本方法在目标区域边缘保持上有明显的优势;
　　(2)介绍了几种现有的SAR图像变化检测技术,简单分析了 SAR图像变化检测技术的难点;说明了图像融合技术的特点,并将之与聚类集成理论结合,提出了一种基于图像融合与选择性聚类集成的SAR图像变化检测算法。该算法首先对原始图像和变化后图像进行滤波处理;然后利用两种算子得到两个差异图,并进行融合得到联合差异图;最后利用模糊C均值聚类分析对联合差异图进行划分,得到SAR图像变化检测的最终结果。和经典方法对比实验结果表明,本方法结果中变化区域的漏检数与错检数明显减少,证明了本方法的有效性;
　　(3)详细介绍了聚类集成理论,研宄了 S A R图像特征提取技术,分析比较了现有SAR图像分割技术的优点及缺陷,指出了影响SAR图像分割的几种因素,在此基础上提出了一种基于特征提取与聚类集成的SAR图像分割算法,并通过实验对比,证明了该算法相比于其他现有方法而言,具有算法实现简单,分割精度高、对噪声鲁棒性强优点,适合于工程实际应用。

目录

封面

声明

中文摘要

英文摘要

目录

第一章绪论

1 .1合成孔径雷达的发展概况及应用

1 .2课题研究的目的和意义

1 .3本文的主要研究内容及论文的结构

第二章SAR成像原理及SAR图像处理技术

2.1 S A R成像原理

2.2 S A R图像相干斑噪声的形成及其模型

2.3 S A R图像特点

2.4 S A R图像关键处理技术及其应用

2 .5本章小结

第三章基于Directionlet域统计模型的S A R图像去噪

3 .1引目

3.2第一代Directionlet理论与第二代Directionlet 理论

3.3 S A R图像变换域统计模型理论

3 .4基于第二代Directionlet域HMT模型的SAR图像相干斑抑制算法

3 .5实验结果与分析

3 .6本章小结

第四章基于Directionlet域图像融合与聚类分析的S A R图像变化检测

4 .1引言

4 . 2基于Directionlet变换的S A R图像融合

4 .3基于Directionlet域图像融合与聚类分析的S A R图像变化检测算法

4 .4实验结果与分析

4 .5本章小结

第五章基于特征提取和选择性聚类集成的SA R图像分割

5 .1引目

5 .2聚类集成理论

5 .3基于特征提取和选择性K-m eans聚类集成的S A R图像分割算法

5 .4实验结果与分析

5 .5本章小结

第六章总结与展望

6 .1全文总结

6 .2研究展望

致谢

参考文献

作者攻读硕士学位期间的科研成果