SAR圖像特征數(shù)據(jù)提取與SAR圖像分割研究.pdf

1、隨著合成孔徑雷達(dá)（SAR：Synthenic Aperture Radar）圖像的信息越來(lái)越多，怎么樣更好的利用合成孔徑雷達(dá)所提供的圖像信息以及新的技術(shù)理論，來(lái)實(shí)現(xiàn)合成孔徑雷達(dá)圖像特征準(zhǔn)確提取以及精確解譯，是合成孔徑雷達(dá)圖像在軍事目標(biāo)跟蹤和識(shí)別上的瓶頸問(wèn)題。合成孔徑雷達(dá)圖像具有很多不同于普通光學(xué)圖像的特征：比如較大的動(dòng)態(tài)范圍、嚴(yán)重的斑噪聲以及豐富的紋理信息等。由于分形特征在合成孔徑雷達(dá)圖像的處理中具有描述紋理粗糙度、抗斑噪聲能力以及與人

2、的視覺(jué)感知相一致等特點(diǎn)，所以分形理論依靠自身獨(dú)特的描述圖像方式，為合成孔徑雷達(dá)圖像處理開(kāi)辟了新的途徑。形特征中的分形維數(shù)(Fractal Dimension，F(xiàn)D)，是描述圖像分形特征中非常有用的工具，根據(jù)差分盒維數(shù)中空盒子的影響，我們用概率的計(jì)算方法提出一種基于分形布朗模型的真實(shí)差分盒維數(shù)算法，在最大的程度上減少了空盒子對(duì)分形維數(shù)計(jì)算所產(chǎn)生的影響。通過(guò)研究灰度的空間相關(guān)特性來(lái)描述紋理的一種常用的方法，就叫灰度共生矩陣，同時(shí)也是我們?cè)鯓?/p>

3、利用好紋理信息在合成孔徑雷達(dá)圖像處理上的重要方面。
　　本文以大量實(shí)驗(yàn)分析了影響合成孔徑雷達(dá)圖像灰度共生矩陣（GLCM）的距離、窗口大小等因素，確立了提取合成孔徑雷達(dá)圖像灰度共生矩陣特征的因素的大小，并針對(duì)過(guò)大窗口提取較小分辨率合成孔徑雷達(dá)圖像時(shí)造成圖像信息損失的缺點(diǎn)，設(shè)計(jì)了一種利用動(dòng)態(tài)滑動(dòng)窗口提取灰度共生矩陣特征，有效的減少了信息損失的缺點(diǎn)情況發(fā)生。根據(jù)光學(xué)的圖像分割方法在處理合成孔徑雷達(dá)圖像時(shí)往往得不到很好的結(jié)果。提取合成孔徑