SAR圖像降噪與極化SAR圖像監(jiān)督分類(lèi)研究.pdf

1、作為SAR數(shù)據(jù)解譯的一個(gè)重點(diǎn)研究方向，極化SAR圖像分類(lèi)具有重要的研究意義和實(shí)用價(jià)值。本文以高分辨率極化SAR遙感圖像為實(shí)驗(yàn)對(duì)象，深入研究了SAR圖像降噪技術(shù)和極化SAR圖像監(jiān)督分類(lèi)技術(shù)。針對(duì)經(jīng)典降噪算法自適應(yīng)性較差的特點(diǎn)，引入了非局部均值濾波算法，并將之改進(jìn)用于SAR圖像濾波。對(duì)于以像素點(diǎn)為分類(lèi)單元的經(jīng)典分類(lèi)算法的不足，本文采用空間金字塔分類(lèi)方法，加入像素點(diǎn)周?chē)臉O化信息和紋理信息進(jìn)行分類(lèi)，并對(duì)特征編碼部分做出了改進(jìn)。在 L波段的AI

2、RSAR極化數(shù)據(jù)實(shí)驗(yàn)中，達(dá)到了預(yù)期的分類(lèi)效果。論文的主要工作如下：
　　在SAR圖像降噪技術(shù)的研究中，本文采用了非局部均值濾波算法。針對(duì)SAR圖像噪聲的特點(diǎn)，引入預(yù)選擇和二維主成分分析（2DPCA）對(duì)其進(jìn)行改進(jìn)，大幅提高了圖像質(zhì)量，并且克服了傳統(tǒng)降噪算法自適應(yīng)性差的缺點(diǎn)。將本算法應(yīng)用到仿真SAR圖像和閻良地區(qū)SAR圖像降噪處理中，驗(yàn)證了算法的有效性。實(shí)驗(yàn)最后對(duì)算法復(fù)雜度進(jìn)行了分析。
　　本文著重對(duì)空間金字塔分類(lèi)算法進(jìn)行了研究

3、，闡述了BoF算法和金字塔匹配核的基本理論，以及空間金字塔匹配在分類(lèi)中實(shí)現(xiàn)的基本步驟。針對(duì)矢量量化在特征編碼和算法效率方面的不足，將稀疏編碼算法引入空間金字塔模型，降低了分類(lèi)器訓(xùn)練時(shí)間。對(duì)幾種經(jīng)典的稀疏優(yōu)化算法和學(xué)習(xí)字典訓(xùn)練方法進(jìn)行實(shí)現(xiàn)，并給出了它們的具體步驟。在舊金山地區(qū)的極化SAR數(shù)據(jù)上，將稀疏編碼算法與空間金字塔結(jié)合用于分類(lèi)，對(duì)比分析了MOD字典和K-SVD字典對(duì)分類(lèi)結(jié)果的影響，驗(yàn)證了K-SVD字典的快速有效性。
　　對(duì)于稀

4、疏編碼規(guī)則在分類(lèi)中存在的一些問(wèn)題，研究了局部線性約束（LLC）優(yōu)化編碼算法在金字塔分類(lèi)中的應(yīng)用，并給出本文算法的整體實(shí)現(xiàn)步驟。提取了二十種常用極化特征，對(duì)它們進(jìn)行稀疏表達(dá)用于分類(lèi)研究。在荷蘭Flevoland的極化數(shù)據(jù)上，分別使用了正交匹配追蹤（OMP）和LLC優(yōu)化編碼算法，將所得特征代入空間金字塔結(jié)構(gòu)中進(jìn)行分類(lèi)實(shí)驗(yàn)。通過(guò)分析該地區(qū)八種地物的分類(lèi)正確率，與多特征SVM分類(lèi)結(jié)果進(jìn)行對(duì)比，證明了稀疏編碼金字塔在分類(lèi)中的有效性；與基于OMP編