基于廣義Gamma分布的SAR圖像統(tǒng)計(jì)建模及應(yīng)用研究.pdf

1、合成孔徑雷達(dá)（Synthetic Aperture Radar，SAR)圖像解譯算法研究是當(dāng)今SAR信息處理中的熱點(diǎn)前沿課題之一。SAR圖像統(tǒng)計(jì)建模致力于利用數(shù)學(xué)模型精確描述 SAR圖像的統(tǒng)計(jì)特性，基于SAR圖像統(tǒng)計(jì)建模開展應(yīng)用算法研究是當(dāng)前SAR圖像解譯的主要途徑。近年來，隨著SAR成像技術(shù)的日益提升，多頻、多極化以及多視角的SAR成像模式不斷豐富，SAR圖像的空間分辨率也不斷提高。這些多模式高分辨率的SAR圖像能夠獲取豐富的地物和目

2、標(biāo)信息，但其統(tǒng)計(jì)特性也變得更為復(fù)雜，使得其精確描述成為當(dāng)前一項(xiàng)頗具挑戰(zhàn)性的工作。為提高多模式高分辨率SAR圖像的自動(dòng)解譯水平，迫切需要開展這類SAR圖像的統(tǒng)計(jì)建模和解譯算法研究。
　　鑒于廣義gamma分布（Generalized Gamma Distribution,GGD)的高度靈活性，本論文以GGD為核心和出發(fā)點(diǎn)，重點(diǎn)探討了單通道和多極化SAR圖像的統(tǒng)計(jì)建模理論及其在SAR圖像解譯中的熱門典型應(yīng)用，其中包括SAR圖像目標(biāo)檢測

3、、SAR圖像分割和SAR圖像地物分類，形成了較為完整的基于GGD的SAR圖像建模與應(yīng)用研究體系。在理論研究和應(yīng)用算法研究兩個(gè)方面，本論文所做主要工作以及創(chuàng)新性成果如下：
　　在SAR圖像統(tǒng)計(jì)建模的理論方面開展了層次化的研究，所做的主要工作及創(chuàng)新性成果有：
　　(1)從統(tǒng)計(jì)模型構(gòu)建和參數(shù)估計(jì)兩個(gè)方面，系統(tǒng)總結(jié)了前人的單通道和多極化 SAR圖像統(tǒng)計(jì)建模工作。首先闡述了常規(guī)單通道SAR圖像統(tǒng)計(jì)建模工作，接著總結(jié)了多極化SAR圖像統(tǒng)

4、計(jì)建模的相關(guān)成果；
　　(2)提出了一種基于參數(shù)解耦的GгD參數(shù)估計(jì)方法。通過參數(shù)解耦的方式，推導(dǎo)了GGD參數(shù)估計(jì)的尺度獨(dú)立的形狀估計(jì)（Scale Independent Shape Estimation，SISE)方程。該方法與已有可行的基于對數(shù)累積量方法（Method of Log-Cumulants，MoLC)相比，在穩(wěn)定性和有效性等指標(biāo)上更優(yōu)；
　　(3)提出了一種新的多極化SAR圖像分布模型— Gг-Wishart

5、分布，并推導(dǎo)了基于矩陣對數(shù)累積量的該分布的參數(shù)估計(jì)方法。在極化乘積模型框架下，通過引入GGD來描述多極化SAR圖像紋理分量，導(dǎo)出了Gг-Wishart分布。傳統(tǒng)的典型多極化SAR圖像分布如復(fù)Wishart、Kp和Gop分布均可視為該分布的特例。另外，基于實(shí)測多極化SAR圖像的實(shí)驗(yàn)驗(yàn)證了該分布比經(jīng)典分布更為靈活，且優(yōu)于近年來提出的KummerU分布；
　　(4)提出了一種空間相關(guān)單通道和多極化SAR雜波圖像仿真方法。在非線性變換法的

6、框架下，理論推導(dǎo)了空間相關(guān)的服從GGD的單通道SAR雜波圖像仿真方法。另外推導(dǎo)了服從當(dāng)前典型極化SAR分布的多極化SAR雜波圖像仿真方法。仿真圖像在模型參數(shù)估計(jì)方法評估、統(tǒng)計(jì)算法設(shè)計(jì)和評估等方面都具有重要的應(yīng)用價(jià)值。
　　基于上述SAR圖像統(tǒng)計(jì)建模成果，在SAR圖像解譯應(yīng)用算法方面，開展了SAR圖像CFAR檢測、SAR圖像分割和SAR圖像地物分類三方面典型問題的研究，所做主要工作及創(chuàng)新成果有：
　　(1)提出了一種基于GGD

7、的SAR圖像CFAR檢測算法。以GGD為SAR圖像背景雜波的統(tǒng)計(jì)模型，推導(dǎo)了CFAR檢測算法的檢測閾值表達(dá)式。與大量基于經(jīng)典分布模型的SAR圖像CFAR算法相比，本文算法在虛警率保持和效率上更優(yōu);
　　(2)提出了一種基于GGD的SAR圖像層次分割算法。通過引入GGD對SAR圖像建模，設(shè)計(jì)了包括兩個(gè)步驟的SAR圖像層次分割算法：首先采用最小對數(shù)似然損失準(zhǔn)則進(jìn)行圖像區(qū)域合并，然后基于局部貝葉斯準(zhǔn)則對圖像區(qū)域的邊界進(jìn)行演化。與常規(guī)的S