SAR图像降噪与极化SAR图像监督分类研究

摘要

作为SAR数据解译的一个重点研究方向，极化SAR图像分类具有重要的研究意义和实用价值。本文以高分辨率极化SAR遥感图像为实验对象，深入研究了SAR图像降噪技术和极化SAR图像监督分类技术。针对经典降噪算法自适应性较差的特点，引入了非局部均值滤波算法，并将之改进用于SAR图像滤波。对于以像素点为分类单元的经典分类算法的不足，本文采用空间金字塔分类方法，加入像素点周围的极化信息和纹理信息进行分类，并对特征编码部分做出了改进。在 L波段的AIRSAR极化数据实验中，达到了预期的分类效果。论文的主要工作如下：
　　在SAR图像降噪技术的研究中，本文采用了非局部均值滤波算法。针对SAR图像噪声的特点，引入预选择和二维主成分分析（2DPCA）对其进行改进，大幅提高了图像质量，并且克服了传统降噪算法自适应性差的缺点。将本算法应用到仿真SAR图像和阎良地区SAR图像降噪处理中，验证了算法的有效性。实验最后对算法复杂度进行了分析。
　　本文着重对空间金字塔分类算法进行了研究，阐述了BoF算法和金字塔匹配核的基本理论，以及空间金字塔匹配在分类中实现的基本步骤。针对矢量量化在特征编码和算法效率方面的不足，将稀疏编码算法引入空间金字塔模型，降低了分类器训练时间。对几种经典的稀疏优化算法和学习字典训练方法进行实现，并给出了它们的具体步骤。在旧金山地区的极化SAR数据上，将稀疏编码算法与空间金字塔结合用于分类，对比分析了MOD字典和K-SVD字典对分类结果的影响，验证了K-SVD字典的快速有效性。
　　对于稀疏编码规则在分类中存在的一些问题，研究了局部线性约束（LLC）优化编码算法在金字塔分类中的应用，并给出本文算法的整体实现步骤。提取了二十种常用极化特征，对它们进行稀疏表达用于分类研究。在荷兰Flevoland的极化数据上，分别使用了正交匹配追踪（OMP）和LLC优化编码算法，将所得特征代入空间金字塔结构中进行分类实验。通过分析该地区八种地物的分类正确率，与多特征SVM分类结果进行对比，证明了稀疏编码金字塔在分类中的有效性；与基于OMP编码的分类结果对比，表明基于LLC编码的分类算法在极化SAR图像分类中的优越性能。实验最后对OMP和LLC的参数影响进行了讨论与分析。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪论

1.1 简介

1.2 SAR图像降噪的研究意义和现状

1.3 SAR图像分类的意义和研究现状

1.4 关键技术研究现状

1.5 论文的研究内容

第二章 SAR图像预处理技术

2.1 经典降噪算法

2.2 结合2DPCA改进的NLM算法

2.3 评价指标

2.4 结果与讨论

2.5 本章小结

第三章 基于空间金字塔的图像分类

3.1 金字塔匹配

3.2 空间金字塔匹配

3.3 分类基本流程

3.4 本章小结

第四章 特征的稀疏编码

4.1 稀疏编码基本理论

4.2 稀疏优化算法

4.3 学习字典训练方法

4.4字典性能对比分析

4.5 本章小结

第五章 基于稀疏编码金字塔的极化SAR图像分类

5.1 极化SAR特征提取

5.2 局部线性约束编码

5.3线性SVM分类器

5.4 算法实现过程及步骤

5.5 实验结果及分析

5.6参数讨论及分析

5.7 本章小结

第六章 总结与展望

6.1总结

6.2展望

致谢

参考文献

读硕期间取得的研究成果