数学形态学在SAR图像处理中的应用研究

论文摘要

合成孔径雷达(SAR)图像固有的相干斑噪声严重降低了图像的可解译度,影响了后续目标检测、分类和识别等应用。因此,SAR图像的相干斑抑制算法一直是SAR图像应用的重要课题之一。一种理想的算法应该在抑制相干斑噪声的同时应尽量能保持图像的边缘等细节不受损失,目前存在各种各样的算法,但没有一种方法能够完美的满足这个要求。本文详细分析了相干斑噪声的形成原理,研究了相干斑噪声的模型及其统计特性,然后结合真实SAR图像,深入研究了使用较为广泛的几种空间域滤波算法,并对基于数学形态学的滤波算法作了改进,同时与各种经典算法如Lee算法等的处理结果进行了定性分析和比较,结果验证了改进的算法在有效去除相干斑的同时,能较好地保留图像的边缘特征。边缘检测是图像处理与分析中最基础的内容之一,也是至今仍没有得到圆满解决的一类问题。图像的边缘包含了图像的位置、轮廓等特征,是图像的基本特征之一,广泛地应用于特征描述、图像分割、图像增强、图像复原、模式识别、图像压缩等图像处理中。因此,图像边缘和轮廓特征的检测与提取方法,一直是图像处理与分析技术中的研究热点,新理论、新方法不断涌现。当前存在许多边缘检测的方法,如Robert算子、Sobel算子、Laplacian算子等,但是这些算子大都基于邻域平均的方法,使得处理后的图像边缘模糊,影响人的视觉,针对这种情况,本文提出了一种基于数学形态学的改进边缘检测算法,数学形态学建立在集合论的基础上,是一种应用于图像处理和模式识别领域的新的方法,它的基本思想是用一定形态的结构元素去度量和提取图像中的对应形状以达到对图像分析和识别的目的。边缘检测在图像处理与计算机视觉中占有特殊的位置,它是低层视觉处理中最重要的环节之一。基于数学形态学的边缘信息提取处理优于基于微分运算的边缘提取算法,它不像微分算法那样对噪声敏感,同时,提取的边缘也比较光滑,在边缘检测上既能够体现图像集合特征,很好地检测图像边缘,又能满足实时性要求,并且可以在边缘检测的基础上,通过改变形态尺度更好地克服噪声影响。实验证明,本文提出的形态学边缘检测算法,与传统的边缘检测算子相比,算法简单,具有较好的抗噪性和实时性,并且检测出的边缘平滑性好,特性清晰,因而有一定的实用性。

论文目录

• 摘要
• ABSTRACT
• 第一章引言
• 1.1 课题研究背景与研究意义
• 1.1.1 合成孔径雷达的特点
• 1.1.2 合成孔径雷达的应用
• 1.1.3 合成孔径雷达的发展
• 1.2 SAR 图像相干斑抑制的研究现状
• 1.3 SAR 图像边缘检测的研究现状
• 1.4 本文主要研究内容结构安排
• 第二章SAR 成像原理和相干斑噪声的形成原理
• 2.1 合成孔径雷达的成像原理简介
• 2.2 合成孔径雷达的理论模型
• 2.3 SAR 图像的统计特性
• 2.4 相干斑噪声的形成原理
• 2.5 SAR 图像空域相干斑噪声的统计模型
• 2.6 SAR 图像噪声的分布模型
• 2.7 SAR 图像噪声分布模型的参数估计
• 2.8 目标的后向散射系数
• 2.9 小结
• 第三章数学形态学的基本理论
• 3.1 引言
• 3.2 数学形态学的基本运算
• 3.2.1 二值图像的基本运算
• 3.2.1.1 腐蚀运算
• 3.2.1.2 膨胀运算
• 3.2.1.3 开运算
• 3.2.1.4 闭运算
• 3.2.2 灰度图像的基本运算
• 3.2.2.1 灰度腐蚀
• 3.2.2.2 灰度膨胀
• 3.2.2.3 灰度开运算
• 3.2.2.4 灰度闭运算
• 3.3 灰度图像基本运算的性质
• 3.3.1 灰度腐蚀运算和灰度膨胀运算的性质
• 3.3.2 灰度开运算和灰度闭运算的性质
• 3.4 小结
• 第四章SAR 图像相干斑抑制算法
• 4.1 引言
• 4.2 传统的空域滤波器
• 4.2.1 均值滤波器
• 4.2.2 中值滤波器
• 4.3 传统的自适应滤波器
• 4.3.1 Lee 滤波器
• 4.3.2 Kuan 滤波器
• 4.3.3 Frost 滤波器
• 4.3.4 Sigma 滤波器
• 4.3.5 Gamma MAP 滤波器
• 4.4 形态学滤波
• 4.4.1 开闭滤波器和闭开滤波器
• 4.4.2 开运算和闭运算的组合——交替顺序形态滤波器
• 4.4.2.1 顺序形态变换
• 4.4.2.2 复合顺序形态变换
• 4.4.3 开闭滤波器和闭开滤波器的组合——复合形态滤波器
• 4.4.4 多结构元多方位开闭滤波器和闭开滤波器
• 4.5 小结
• 第五章SAR 图像的边缘检测算法
• 5.1 引言
• 5.2 传统的边缘检测方法
• 5.2.1 Roberts（罗伯特）算子
• 5.2.2 Sobel（索贝尔）算子
• 5.2.3 Prewitt（普瑞维特）算子
• 5.2.4 LOG（Laplacian-Gauss）算子
• 5.2.5 Kirsch（凯西） 算子
• 5.2.6 Canny（坎尼）算子
• 5.3 基于数学形态学的边缘检测
• 5.3.1 最基本的形态学边缘检测
• 5.3.2 抗噪型形态学边缘检测
• 5.3.3 抗噪型多结构元形态学边缘检测
• 5.3.4 形态学多方位边缘检测
• 5.3.5 形态学多尺度多结构元边缘检测
• 5.3.6 形态学模糊最小化边缘检测
• 5.4 小结
• 第六章结论
• 致谢
• 参考文献
• 在学期间的研究成果