多极化SAR滤波分类技术研究及SAR图像处理软件系统实现

论文摘要

合成孔径雷达(SAR)具有全天候、全天时以及穿透能力强等特点,是雷达分类识别的主要手段,在军事和民用领域均有着广泛的、不可替代的应用市场。其中极化SAR相比普通SAR,能够获得多种极化组合下的回波,可获得大得多的信息量。正是由于可用信息量的大幅增加,极化SAR可以更好的描述地物目标的物理散射特性,从而实现更为精确的分类识别效果。基于极化SAR的分类识别等应用已经成为了当前的研究热点。本文基于极化SAR数据的特点,主要进行了极化SAR图像相干斑抑制和极化SAR非监督分类算法的研究,并构建了极化SAR图像算法库以及可以调用算法库实现算法功能的软件系统,主要内容有:1.介绍了极化矢量的数学描述,作为本文的基础知识。接着详细分析了SAR图像中相干斑的形成机理及其数学描述和统计特性,实现并分析了经典的相干斑抑制算法和基于极化分解的极化SAR非监督分类算法。这一章的内容为引出后续章节的研究工作打下了基础。2.经典相干斑抑制算法中的参数估计步骤对算法效果有着决定性的意义。围绕相干斑抑制效果和细节保持能力这两个相干斑抑制算法的重要性能指标,本文首先总结并详细分析了现有参数估计算法的优缺点。为了同时提高这两项性能指标,对图像上有纹理结构区域和无纹理结构区域不同特征进行了分析,对这两种区域以不同的方式进行参数估计,提出了基于参数估计算法改进的相干斑抑制算法。该算法既能获得较高的相干斑抑制效果,又能很好地保持图像细节和极化特征。最后在给出相干斑抑制效果的评价指标的基础上对算法进行了试验比较,证明了该算法的效果。3.分析了基于特征分解的极化SAR非监督分类经典算法,针对目前分类算法极化特征利用不完全以及极化特征使用效果不佳的问题,首先在三类极化分解算法中各选取一种算法,用得到的三组极化特征构建了极化特征矩阵。接着利用构建的极化特征矩阵和矩阵相似度理论,提出了集成利用极化特征的非监督极化SAR分类算法。该算法充分利用了目前各类极化分解理论得到的极化特征,并在保持极化散射机理的前提下通过聚类迭代优化了分类边界,提高了分类精度。最后通过与其它分类算法的实验对比,证明了其有效性。4.在分析当前极化SAR图像处理软件系统的不足的基础上,构建了较为完善并易于扩充的多极化SAR图像算法库,并在他人对多波段SAR图像算法研究的基础上构建了单极化SAR图像算法库,形成了SAR图像综合算法库。算法库中包含SAR图像的滤波、分类、配准、融合、超分辨以及性能指标评估等功能。在此基础上使用VC6.0设计并实现了可调用该算法库的SAR综合处理系统,为算法的研究和使用提供了便利。该系统具有基于MVP模式的架构,能够在不增加系统模块间耦合性的前提下方便地进行功能扩展。长时间的实际使用证明了该系统的实用性和有效性。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 研究背景及意义
• 1.2 国内外研究现状及动态
• 1.2.1 极化理论的研究现状及动态
• 1.2.2 相干斑抑制算法的研究现状及动态
• 1.2.3 目标分解理论的研究现状及动态
• 1.2.4 极化分类算法的研究现状及动态
• 1.2.5 SAR 图像处理软件的研究现状及动态
• 1.3 本文主要研究内容和结构安排
• 第2章 极化SAR 基本理论和经典算法实现分析
• 2.1 引言
• 2.2 极化SAR 基础理论
• 2.2.1 极化波概述
• 2.2.2 Jones 矢量
• 2.2.3 Stocks 矢量
• 2.2.4 Sinclair 散射矩阵
• 2.2.5 Muller 矩阵
• 2.2.6 Stocks 矩阵
• 2.2.7 极化协方差矩阵与极化相干矩阵
• 2.3 相干斑分析
• 2.3.1 相干斑形成机理
• 2.3.2 相干斑噪声模型
• 2.4 多极化SAR 相干斑抑制算法实现及分析
• 2.4.1 SPAN 处理
• 2.4.2 极化白化滤波
• 2.4.3 最优权值滤波
• 2.4.4 极化Lee 滤波
• 2.4.5 算法实现及分析
• 2.5 基于极化分解的极化SAR 非监督分类算法实现及分析
• 2.5.1 典型目标的极化响应
• 2.5.2 基于Cloude 分解的H/Alpha 极化SAR 非监督分类分析
• 2.5.3 H/Alpha/Wishart 极化SAR 非监督分类分析
• 2.5.4 算法实现及分析
• 2.6 本章小结
• 第3章 基于参数估计改进的相干斑抑制算法
• 3.1 引言
• 3.2 传统参数估计算法分析
• 3.2.1 基于矩形滑动窗的协方差矩阵参数估计
• 3.2.2 基于边缘检测的协方差矩阵参数估计
• 3.2.3 基于可变窗口的协方差矩阵参数估计
• 3.2.4 基于分类的协方差矩阵参数估计
• 3.3 基于参数估计改进的相干斑抑制算法
• 3.3.1 判断是否具有纹理结构
• 3.3.2 非纹理结构区域的自适应缩放窗口
• 3.3.3 有纹理结构区域的自适应缩放窗口
• 3.3.4 算法流程
• 3.4 相干斑抑制效果评估
• 3.5 实验比较
• 3.6 本章小结
• 第4章 集成利用极化特征的非监督分类算法
• 4.1 引言
• 4.2 极化特征量的选择
• 4.2.1 常见分类算法对特征量的选择
• 4.2.2 集成利用极化特征的特征矩阵构建
• 4.3 集成利用极化特征的非监督分类算法流程
• 4.3.1 矩阵相似度的计算
• 4.3.2 分类流程
• 4.4 实验结果分析
• 4.5 本章小结
• 第5章 SAR 综合处理系统设计与实现
• 5.1 引言
• 5.2 SAR 图像算法库设计
• 5.2.1 多极化SAR 图像算法库的构建
• 5.2.2 单极化多波段SAR 图像算法库的构建
• 5.3 SAR 综合处理系统需求分析
• 5.4 SAR 综合处理系统架构设计
• 5.4.1 MVP 模式介绍
• 5.4.2 基于MVP 模式的系统架构设计及其扩展示例
• 5.5 功能子模块设计及算法库调用
• 5.5.1 多极化SAR 图像处理模块设计及算法库调用
• 5.5.2 单极化SAR 图像处理模块设计及算法库调用
• 5.5.3 树型形控件模块设计
• 5.6 主要功能示例
• 5.6.1 多极化SAR 滤波功能示例
• 5.6.2 多极化SAR 分类功能示例
• 5.6.3 单极化SAR 滤波功能示例
• 5.6.4 单极化SAR 融合功能示例
• 5.6.5 单极化SAR 配准功能示例
• 5.6.6 算法性能评估功能示例
• 5.7 本章小结
• 第6章 总结与展望
• 致谢
• 参考文献
• 附录1
• 附录2
• 附录3
• 详细摘要