極化SAR圖像的分割和分類算法研究.pdf

1、SAR圖像中包含多種地物目標信息，圖像中各類目標的準確分類，對SAR圖像中地物目標信息的理解具有重要意義。特別是極化SAR，由于極化散射矩陣包含有豐富的地物信息，因此，極化SAR圖像的分割和分類一直是雷達遙感應用領域的熱門研究方向之一。 但是，由于自然場景的復雜性，在目前的極化SAR圖像處理研究中，仍然存在著數(shù)據(jù)統(tǒng)計先驗知識不足、特征量不能全面描述目標物理屬性等問題，影響了極化SAR信息處理方法的普遍推廣，如何提高分類和分割精度

2、、魯棒性能是當前極化SAR圖像分類研究中的一個重點。 近年來，基于偏微分方程的圖像分析與處理成為人們研究的焦點，本文在研究當前極化SAR圖像處理中圖像分割和分類領域的發(fā)展情況的基礎上，重點開展以偏微分方程為基礎的SAR圖像分割和分類研究，主要工作和貢獻如下： 1)深入分析了SAR圖像的區(qū)域與邊界特征，建立了參數(shù)活動輪廓模型和幾何活動輪廓模型，利用特征信息定義了合理的能量泛函模型，提出了基于邊界和區(qū)域信息的活動輪廓模型的圖

3、像分割水平集算法，不僅能夠自然地處理邊界拓撲變化，而且同時能檢測圖像中多個物體邊緣，提高了分割性能。 2)建立了一種用于圖像分類的變分模型，該模型結合正則化過程，可以較好地保持圖像邊緣信息，同時可以用于圖像恢復。基于變分法的極化SAR圖像分類方法不僅能夠?qū)崿F(xiàn)SAR圖像的正確分類，克服SAR圖像中相干斑噪聲的影響，并且算法快速，易于實現(xiàn)。 3)提出了一種基于偏微分方程的多區(qū)域SAR圖像分割方法，充分結合圖像邊緣梯度信息和多

4、區(qū)域的統(tǒng)計特征信息，既克服了僅僅依靠邊界梯度進行分割的缺陷，又能充分利用邊界梯度信息，該方法沒有引入任何附加參數(shù)，同時可以估計區(qū)域數(shù)目，使用分級分裂最小化能量函數(shù)，從而獲得更理想的分割效果。 4)建立了適合于極化SAR的偏微分方程模型，利用曲線演化和水平集方法研究極化SAR圖像的分割問題，并結合圖像的極化信息，將極化信息作為邊界演化的判定條件之一，控制邊界的運動和停止，實現(xiàn)極化SAR圖像的分割，同時有效解決水平集方法分類問題中過