极化SAR影像分类方法研究

论文摘要

为了充分发挥多极化、全极化SAR影像相对于单极化SAR影像具有更多信息量的优势,更好地进行极化SAR影像分类,本文针对利用现有极化分类算法得到的分类结果精度低、实用性差的不足,重点围绕提高精度和增强实用性这两方面的内容展开研究,提出了行之有效的改进算法及其处理流程,在此基础上研制了极化SAR分类软件模块,主要研究成果如下:1.发展了自适应窗口的极化Lee滤波,去除相干斑噪声的同时较好地保留了边缘信息,有效地消除了相干斑噪声对后续的分类和分类后处理的影响;2.鉴于使用单一特征无法获得令人满意的分类结果的问题,本文实现了利用GLCM和SVM的多尺度极化SAR影像分类方法,即提取光谱、纹理、极化特征的基础上应用SVM进行极化SAR影像分类;3.针对目前基于像素的极化SAR影像分类精度不高、分类结果“椒盐”现象较严重的现状,本文构建了一种面向对象极化SAR影像监督分类算法;4.对于地形起伏较大地区SAR影像阴影和水体较较难区分的难题,本文设计了一种实用化的基于DEM与面向对象技术的SAR影像阴影和水体区分方法;5.采用Visual C++6.0实现了上述几种算法,研制了极化SAR分类代码,并将其嵌入到CASM ImageInfo?软件中形成了极化SAR分类模块。

论文目录

• 摘要
• ABSTRACT
• 1 绪论
• 1.1 研究目的
• 1.2 研究意义
• 1.3 国内外研究现状
• 1.4 技术路线
• 1.5 论文结构安排
• 1.6 研究区和数据情况及数据量化
• 1.6.1 研究区概况
• 1.6.2 数据情况
• 1.6.3 SAR 数据量化显示新方法
• 2 极化 SAR 基本理论
• 2.1 SAR 成像机理
• 2.2 电磁波极化的表征
• 2.2.1 Jones 矢量
• 2.2.2 Stokes 矢量
• 2.2.3 Poincare 球
• 2.3 目标的变极化效应
• 2.3.1 极化散射矩阵
• 2.3.2 Mueller 矩阵
• 2.3.3 stokes 矩阵
• 2.3.4 极化协方差矩阵和极化相干矩阵
• 2.4 本章小结
• 3 极化 SAR 相干斑抑制方法研究
• 3.1 相干斑噪声的产生机理
• 3.2 SAR 数据的统计特性
• 3.3 极化 SAR 滤波方法
• 3.3.1 高斯滤波
• 3.3.2 基于各向异性的扩散方程去噪方法研究
• 3.3.3 极化白化滤波
• 3.4 大影像自适应极化 Lee 滤波
• 3.5 实验结果及定量评价
• 3.5.1 实验结果
• 3.5.2 定量评价指标
• 3.5.3 评价结果
• 3.6 本章小结
• 4 极化 SAR 影像分类方法
• 4.1 基于像素的极化 SAR 影像分类方法研究
• 4.1.1 基于 Wishart 分布的极化 SAR 影像监督分类算法研究
• 4.1.2 基于马尔可夫随机场的极化 SAR 分类方法研究
• 4.1.3 基于 GLCM 和 SVM 的多尺度极化 SAR 影像分类方法研究
• 4.2 基于面向对象的极化 SAR 影像监督分类方法研究
• 4.2.1 面向对象的基本思想
• 4.2.2 区域生长算法
• 4.2.3 高斯马尔可夫随机场（Gauss-MRF）
• 4.2.4 基于 Gauss-MRF 的对象合并
• 4.2.5 面向对象的极化 SAR 影像监督分类
• 4.3 对比试验与分析
• 4.3.1 基于像素与面向对象的极化分类方法对比实验
• 4.3.2 不同滤波方法去噪后极化数据的面向对象分类结果
• 4.3.3 试验结果分析
• 4.4 基于 DEM 与面向对象技术的 SAR 影像上阴影和水体区分
• 4.4.1 基于 DEM 信息的阴影对象和水体对象的区分
• 4.4.2 算法流程
• 4.4.3 实验结果及分析
• 4.5 本章小结
• 5 结论与展望
• 5.1 结论
• 5.2 展望
• 攻读硕士学位期间公开发表的学术论文
• 致谢
• 参考文献