SAR圖像海面溢油與艦船目標檢測方法研究.pdf

1、合成孔徑雷達(SAR)在民用和軍事領(lǐng)域都有著廣闊的發(fā)展前景和實用價值。近年來，利用SAR圖像進行溢油、艦船檢測與監(jiān)視的研究在海洋遙感領(lǐng)域得到高度重視，因此，對其中的關(guān)鍵技術(shù)進行研究具有重要的理論意義和實際價值。本人在現(xiàn)有成果的基礎(chǔ)上，研究了海面溢油及艦船SAR圖像去噪、分割、分類及目標檢測的方法，主要工作如下：
　　首先，研究了一種基于Tsallis熵多閾值和加移動因子CV模型的海面溢油SAR圖像分割方法。采用Tsallis熵多閾

2、值法提取溢油區(qū)域和溢油粗略輪廓，并以此作為CV模型的局部區(qū)域和初始輪廓，以降低CV模型的場景復(fù)雜度及其對初始條件的敏感性。此外，將移動因子引入到CV模型中，以此引入圖像的局部信息，使得模型能夠在一定程度上適應(yīng)圖像局部特性，分割效果優(yōu)于Tsallis熵閾值分割法、CV模型法以及改進的CV模型法。
　　其次，研究了一種基于Tsallis交叉熵多閾值和帶邊緣指示函數(shù)CV模型的海面溢油SAR圖像分割方法。首先采用考慮目標和背景之間相互關(guān)系

3、的Tsallis交叉熵多閾值分割算法進行粗分割，并采用混沌粒子群算法對遞推過程進行優(yōu)化，提高搜索最優(yōu)值的速度和精確度。此外還利用邊緣指示函數(shù)代替CV模型中的Dirac項，改進了CV模型的偏微分方程，使分割算法更好地適應(yīng)SAR圖像的同時提高了CV模型的收斂速度，達到了比Tsallis交叉熵閾值分割法、CV模型法以及帶邊緣指示函數(shù)CV模型法更為優(yōu)越的效果。
　　再次，實現(xiàn)了一種基于復(fù)Contourlet變換、Krawtchouk矩和F

4、CM相結(jié)合的海面溢油圖像紋理分割算法。該方法利用復(fù)Contourlet變換的多尺度、多方向性和平移不變性的特點，對圖像進行復(fù)Contourlet變換，提取每個分解層次上不同方向子帶系數(shù)均值和方差作為圖像紋理特征；再利用Krawtchouk矩不變量來描述圖像的形狀特征；最后對兩種特征進行FCM來實現(xiàn)圖像紋理分割，紋理分割效果優(yōu)于小波變換和FCM法、NSCT、Krawtchouk矩、FCM相結(jié)合的方法。
　　接著，提出了一種基于Gab

5、or變換、Krawtchouk矩和支持向量機的海面溢油SAR圖像分類方法。首先對圖像進行Gabor濾波，獲得不同方向的特征參數(shù)；然后提取圖像的Krawtchouk矩不變量作為圖像的形狀特征，最后利用支持向量機進行分類。通過對實驗分類結(jié)果的定量分析可知，該方法可以獲得精度比最小分類模型方法以及最大似然分布模型方法高的分類結(jié)果。
　　然后，研究了一種結(jié)合雙樹復(fù)小波變換和各向異性擴散的海面艦船SAR圖像去噪法。首先，對圖像進行雙樹復(fù)小波

6、變換，對產(chǎn)生的低頻部分采用了改進的TV擴散，而高頻部分包含了大部分噪聲和圖像細節(jié)信息，則運用PM擴散模型對其進行處理，最后重構(gòu)圖像。實驗結(jié)果表明與小波閾值去噪法、WPMTV、WSTV以及CTND方法相比，本章方法去噪效果更好，細節(jié)保留更完整，紋理更加清晰。
　　最后，給出了基于KFCM和改進雙參數(shù)CFAR的海面艦船SAR圖像目標檢測算法。該方法首先采用KFCM算法將圖像從原樣本空間映射到線性可分的高維特征空間，使目標和背景更容易分