基于紋理分析的溢油SAR圖像分類研究.pdf

1、星載合成孔徑雷達(SAR)具有全天候、全天時、覆蓋面積大、快速獲取及接近實時等特點，利用SAR遙感技術可及時、準確、全面地監(jiān)測海洋溢油污染，是溢油監(jiān)測方面最為有效的手段，目前SAR圖像已經被廣泛應用于溢油監(jiān)測中。 SAR圖像中常存在類似于油膜的偽信息，很多情況下，即使非常有經驗的學者也不能區(qū)分油膜和類油膜，因此對大量SAR圖像進行檢測、圖像處理以區(qū)別油膜和類油膜是一項非常繁重的工作。本論文就是建立在對溢油SAR圖像的模式識別工作

2、的基礎上展開實驗的。 本文通過對一幅原始溢油SAR圖像進行溢油信息提取，探討了溢油SAR圖像預處理涉及到的幾個關鍵性問題，以及SAR圖像分類技術中圖像的特征提取、圖像的分類識別算法等。對于圖像特征提取，本文采用基于灰度共生矩陣的紋理分析方法，得出適用于海洋遙感溢油SAR圖像的紋理特征量以及紋理窗口大小，作為分類的依據?，F在已經有了一些利用SAR圖像數據進行模式識別的方法。本文的核心工作是對溢油SAR圖像建立最小距離分類模型、最大

3、似然分類模型和人工神經網絡模型，并對分類效果進行比較，來探討更適合于溢油SAR圖像分類識別的分類方法。本文重點探討了人工神經網絡方法，通過選擇人工神經網絡模式識別中應用最普遍效果相對較好的網絡模型——BP神經網絡模型，對其進行改進，并用Matlab神經網絡工具箱模擬該模型的分類識別結果。 通過引入分類模型評價方法，對上述三種分類方法的分類效果進行評價。得出總體精度，人工神經網絡方法最高為95.33﹪，最小距離分類方法次之為93﹪