极化SAR图像的分割和分类算法研究

论文摘要

SAR图像中包含多种地物目标信息，图像中各类目标的准确分类，对SAR图像中地物目标信息的理解具有重要意义。特别是极化SAR，由于极化散射矩阵包含有丰富的地物信息，因此，极化SAR图像的分割和分类一直是雷达遥感应用领域的热门研究方向之一。但是，由于自然场景的复杂性，在目前的极化SAR图像处理研究中，仍然存在着数据统计先验知识不足、特征量不能全面描述目标物理属性等问题，影响了极化SAR信息处理方法的普遍推广，如何提高分类和分割精度、鲁棒性能是当前极化SAR图像分类研究中的一个重点。近年来，基于偏微分方程的图像分析与处理成为人们研究的焦点，本文在研究当前极化SAR图像处理中图像分割和分类领域的发展情况的基础上，重点开展以偏微分方程为基础的SAR图像分割和分类研究，主要工作和贡献如下：1)深入分析了SAR图像的区域与边界特征，建立了参数活动轮廓模型和几何活动轮廓模型，利用特征信息定义了合理的能量泛函模型，提出了基于边界和区域信息的活动轮廓模型的图像分割水平集算法，不仅能够自然地处理边界拓扑变化，而且同时能检测图像中多个物体边缘，提高了分割性能。2)建立了一种用于图像分类的变分模型，该模型结合正则化过程，可以较好地保持图像边缘信息，同时可以用于图像恢复。基于变分法的极化SAR图像分类方法不仅能够实现SAR图像的正确分类，克服SAR图像中相干斑噪声的影响，并且算法快速，易于实现。3)提出了一种基于偏微分方程的多区域SAR图像分割方法，充分结合图像边缘梯度信息和多区域的统计特征信息，既克服了仅仅依靠边界梯度进行分割的缺陷，又能充分利用边界梯度信息，该方法没有引入任何附加参数，同时可以估计区域数目，使用分级分裂最小化能量函数，从而获得更理想的分割效果。4)建立了适合于极化SAR的偏微分方程模型，利用曲线演化和水平集方法研究极化SAR图像的分割问题，并结合图像的极化信息，将极化信息作为边界演化的判定条件之一，控制边界的运动和停止，实现极化SAR图像的分割，同时有效解决水平集方法分类问题中过渡分割问题。5)利用真实SAR数据和极化SAR数据，开展了算法仿真和试验研究，实现了SAR图像的分割和分类，实现了上述分割和分类算法的验证。通过开展基于偏微分方程的SAR图像处理和分析，为SAR图像理解和目标识别问题提供了一个新的解决途径，也能够对基于偏微分方程的图像处理方法研究起到推动作用。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 引言
• 1.2 图像分割与图像分类
• 1.2.1 基于区域的图像分割
• 1.2.2 基于边缘的图像分割
• 1.2.3 图像分类技术
• 1.3 国内外研究现状
• 1.3.1 SAR图像分类问题
• 1.3.2 SAR图像分割方法
• 1.3.3 基于水平集的SAR图像分割方法
• 1.4 本文的主要工作及结构安排
• 1.4.1 本文的主要工作
• 1.4.2 本文的结构安排
• 第二章 偏微分方程模型与水平集
• 2.1 水平集方法
• 2.1.1 曲线演化理论
• 2.1.2 水平集理论
• 2.1.3 水平集数值解法及快速算法
• 2.1.4 水平集实现中应注意的一些问题
• 2.2 主动轮廓模型
• 2.2.1 参数化主动轮廓模型
• 2.2.2 几何主动轮廓模型
• 2.2.3 简化的M-S模型
• 2.2.4 基于变分水平集方法的主动轮廓模型
• 第三章 SAR图像的特征
• 3.1 SAR成像的特点
• 3.2 SAR图像的几何特征
• 3.2.1 距离向分辨力
• 3.2.2 方位向分辨力
• 3.2.3 SAR图像的几何失真
• 3.3 SAR图像的辐射特征
• 3.3.1 后向散射现象的理论模型
• 3.3.2 后向散射现象的实际模型
• 3.4 SAR图像的统计特征
• 3.4.1 SAR图像相干斑噪声特性
• 3.4.2 SAR图像目标检测的概率分布模型
• 3.4.3 空域相干斑噪声模型
• 3.4.4 相干斑噪声抑制
• 3.5 SAR图像的目标特征
• 3.5.1 点目标
• 3.5.2 线目标
• 3.5.3 面目标
• 3.5.4 硬目标
• 3.6 SAR图像的极化特征
• 3.7 SAR图像和光学图像特征的比较
• 第四章 SAR图像的极化分解与分类
• 4.1 极化的基本概念
• 4.1.1 极化的定义
• 4.1.2 电磁波的极化
• 4.1.3 BSA协议
• 4.1.4 后向散射矩阵
• 4.2 基于极化分解的图像分类
• 4.2.1 基于后向散射矩阵的极化分解
• 4.2.2 Pauli分解的实现
• 4.2.3 SDH分解的实现
• 4.2.4 图像分类试验
• 4.3 应用变分法的图像分类
• 4.3.1 变分模型
• 4.3.2 应用变分法的分类算法
• 4.3.3 SAR图像分类试验
• 第五章 基于水平集的SAR图像分割
• 5.1 概述
• 5.2 基于威布尔分布的分割函数
• 5.3 两区域分割水平集方法
• 5.4 多区域水平集分割方法
• 5.5 SAR图像分割方法
• 5.6 图像分割试验
• 第六章 极化SAR图像的分割
• 6.1 极化特征参数
• 6.1.1 极化总功率
• 6.1.2 极化熵H
• 6.1.3 平均散射角α
• 6.2 H/α分解方法
• 6.3 基于水平集的极化图像分割
• 6.3.1 数学模型
• 6.3.2 基于主动轮廓线的分割
• 6.3.3 复高斯观测模型
• 6.3.4 曲线演变方程
• 6.3.5 多相位分割
• 6.4 试验结果及讨论
• 6.4.1 仿真数据
• 6.4.2 真实数据
• 第七章 结束语
• 致谢
• 参考文献
• 攻读博士学位期间的研究成果