基于圖模型的SAR圖像多尺度分類(lèi)的研究.pdf

1、合成孔徑雷達(dá)（Synthetic Aperture Radar，SAR）具有全天候、全天時(shí)、多極化、多波段等特征，被廣泛應(yīng)用于軍事和民用領(lǐng)域。因此SAR圖像的處理具有重要意義。SAR圖像的分類(lèi)是SAR圖像處理的基礎(chǔ)。由于成像機(jī)理的不同，SAR圖像和一般的光學(xué)圖像有著很大的差別，SAR圖像中的大量斑點(diǎn)噪聲使得一般的光學(xué)圖像處理技術(shù)不再適用。本文結(jié)合圖像的多尺度技術(shù)和概率圖模型理論，以SAR圖像分類(lèi)為目的，對(duì)SAR圖像進(jìn)行貝葉斯網(wǎng)絡(luò)模型、兩

2、尺度貝葉斯網(wǎng)絡(luò)模型建模，并以此為基礎(chǔ)進(jìn)行SAR圖像分類(lèi)方法的研究，并通過(guò)實(shí)驗(yàn)驗(yàn)證了模型的實(shí)效性。具體為：
　　 ⑴基于馬爾科夫隨機(jī)場(chǎng)（Markov Random Field，MRF）的SAR圖像分類(lèi)技術(shù)。首先根據(jù)SAR的成像機(jī)理，構(gòu)造SAR圖像的MRF模型；其次用Gibbs隨機(jī)場(chǎng)的鄰域系統(tǒng)求解MRF的先驗(yàn)概率，并將圖像分類(lèi)問(wèn)題轉(zhuǎn)化成貝葉斯后驗(yàn)概率的估計(jì)；然后采用EM算法估計(jì)出觀察場(chǎng)的參數(shù)特征，通過(guò)ICM（條件迭代模型）算法進(jìn)行結(jié)

3、構(gòu)訓(xùn)練，最終求得與觀察場(chǎng)相應(yīng)的標(biāo)記場(chǎng)的最大后驗(yàn)概率（MAP）；最后評(píng)價(jià)ICM-MRF模型的分類(lèi)結(jié)果。
　　 ⑵基于Bayesian網(wǎng)絡(luò)的SAR圖像分類(lèi)技術(shù)。首先引入Bayesian網(wǎng)絡(luò)分類(lèi)模型，然后采用EM算法估計(jì)出觀察場(chǎng)的參數(shù)特征，通過(guò)信念傳播算法（BP算法）得到標(biāo)記場(chǎng)的最大后驗(yàn)概率（MAP）。最后對(duì)BP-BN模型的分類(lèi)結(jié)果進(jìn)行評(píng)價(jià)。
　　 ⑶基于兩尺度Bayesian網(wǎng)絡(luò)的SAR圖像分類(lèi)技術(shù)。首先根據(jù)SAR的成像機(jī)理