雷達圖像 處理

1、與光學(xué)圖像相比，SAR圖像視覺可讀性較差，并且受到相干斑噪聲及陰影、透視收縮、迎坡縮短、頂?shù)椎怪玫葞缀翁卣鞯挠绊?。因此對SAR雷達圖像的圖像增強與邊緣檢測將有別于一般的光學(xué)圖像。首先，圖像增強技術(shù)是指按特定的需要突出一幅圖像中的某些信息，同時削弱或去除某些不需要的信息，它是一種將原來不清晰的圖像變得清晰或強調(diào)某些感興趣的特征，抑制不感興趣的特征，使之改善圖像質(zhì)量，豐富信息量，加強圖像判讀和識別效果的圖像處理方法。從純技術(shù)上講，圖像技術(shù)分

2、為頻域處理法和空域處理法?？沼驁D像增強是直接對圖像中的像素進行處理，基本上是以灰度影射變化為基礎(chǔ)的，所用的影射變換取決于增強的目的。具體來說，空域法包括點運算和模板處理，其中點運算時針對每個像素點進行處理的，與周圍的像素點無關(guān)。空域增強方法大致分為3種，它們分別是用于擴展對比度的灰度變換、清除噪聲的各種平滑方法和增強邊緣的各種銳化技術(shù)?；叶茸儞Q主要利用點運算來修改圖像像素的灰度，是一種基于圖像變換的操作；而平滑和銳化都是利用模板來修改像

3、素灰度，是基于圖像濾波的操作。頻域處理法的基礎(chǔ)是卷積定理。傳統(tǒng)的頻域法是將需要增強的圖像進行傅里葉變換或者離散余弦變換，或者是小波變換，然后將其與一個轉(zhuǎn)移函數(shù)相乘，再將結(jié)果進行反變換得到增強的圖像。在空域圖像增強中，形態(tài)學(xué)的基本思想是使用具有一定形態(tài)的結(jié)構(gòu)元素度量和提取圖像中的對應(yīng)形狀，從而達到圖像進行分析和識別的目的，利用不同的數(shù)學(xué)形態(tài)學(xué)變換濾波方法在對SAR圖像直接進行平滑濾波的應(yīng)用中取得較好的結(jié)果。算法簡單，物理意義明顯。形態(tài)學(xué)的

4、基本思想是使用具有一定形態(tài)的結(jié)構(gòu)元素度量和提取圖像中的對應(yīng)形狀，從而達到圖像進行分析和識別的目的。由于形態(tài)學(xué)算子實質(zhì)上是表達物體或形狀的集合與結(jié)構(gòu)元素之間的相互作用，結(jié)構(gòu)元素的形態(tài)就決定了這種運算所提取的信號的形態(tài)信息。因此數(shù)學(xué)形態(tài)學(xué)對信號的處理具有直觀上的簡單性和數(shù)學(xué)上的嚴謹性，在描述信號形態(tài)特征上具有獨特的優(yōu)勢。同時，形態(tài)學(xué)中的形態(tài)濾波器可借助于先驗的幾何特征信息，利用形態(tài)學(xué)算子有效地濾除噪聲，又保留圖像中的原有信息。因此在圖像平滑

5、濾波、分割、識別、形狀描述等方面得到了廣泛的應(yīng)用，它最顯著的特點是直接處理圖像表面的幾何形狀，具有快速、健壯和精確的特性。本文將開運算和閉運算的另外一種組合方法——交替順序濾波運用到sAR圖像增強處理中。它是用一系列不斷增大的結(jié)構(gòu)元素來執(zhí)行開閉濾波。具體過程如下：本文開始使用的是一個22較小的結(jié)構(gòu)元素，然后增加其大小，直到其大小與獲得單個開閉濾波器最佳效果所用的33結(jié)構(gòu)元素的大小相同為止。在頻域圖像增強中，小波變換的時域與頻域是具有多分

6、辨率的時頻分析方法，我們可以利用它的這個特性來對信號做高通濾波和低通濾波，得到原始信號的逼近信號和細節(jié)信號。對一幅圖像sar進行基于小波變換的增強處理，主要步驟：1、對圖像用mallat快速算法進行小波分解；2、選取增強系數(shù)；3、對處理后的小波系數(shù)進行小波逆變換，得到增強圖像。多尺度積用于圖像邊緣檢測。但小波變換各向同性的性質(zhì)導(dǎo)致方向選擇性差，不能有效地捕捉輪廓信息。其次圖像邊緣檢測邊緣的種類分為兩種，一種為階躍性邊緣，它兩邊的像素的灰

7、度值有著顯著的不同；另一種成為屋頂狀邊緣，它位于灰度值從增加到減少的變化轉(zhuǎn)折點。邊緣特征提取的常用方法有Sobel算子和Cannny算子，其中canny算子對高斯加性噪聲有一定的抑制作用，提取的邊緣方向和位置信息比較準(zhǔn)確，但是SAR的噪聲為Gamma分布的乘它考慮到基于像素級融合的計算代價及可能存在的初始分。害U，對圖像建立四分樹或金字塔結(jié)構(gòu)，從其中的某一層開始，利用相似性準(zhǔn)則，滿足相似性準(zhǔn)則的相鄰塊加以合并，對應(yīng)該進一步劃分的塊進行切

8、分。選擇不同的相似性準(zhǔn)則可以獲得不同的分割結(jié)果?，F(xiàn)有的SAR圖像分割算法有應(yīng)用數(shù)據(jù)挖掘的海冰分割算法；非監(jiān)督的基于播送分布的分割算法；優(yōu)化的邊緣檢測分割算法；最大似然區(qū)域增長分割算法和模擬退火分割算法的組合算法；應(yīng)用不完全分層馬爾科夫隨機場圖像模型對SAR圖像進行分割的算法等，這些算法有的是有針對性的，有的是基于幾何條件的，紋理分割是基于特征的。描述紋理的特征很多，但目前還沒有提出一種紋理特征可以描述所有紋理。實際中針對不同的應(yīng)用尋找合

9、適的某紋理的特征，由此得到滿意的分割時切實可行的。；分型模型使用范圍較小，只在個別分辨率下有分割紋理的能力，分數(shù)維門限值確定困難，分割精度差?；陔S機場的模型對大尺寸、灰度較多的圖像分割計算量是很大的；多分辨率小波的紋理特征具有先天的缺點（逐點采樣造成的紋理信息不全），很難得到穩(wěn)定的紋理特征，并且計算量較大；結(jié)構(gòu)法僅適合規(guī)則紋理。圖像閾值分割本質(zhì)上是利用閾值將圖像中不同區(qū)域內(nèi)像素間的相關(guān)性，而非各區(qū)域的邊緣。相對于二維直方圖，閾值分割技

10、術(shù)最關(guān)心的是在對角線附件的概率分布。而遠離對角線附近的一方面概率幾乎為零另一方面對閾值分割方法本身的貢獻較小，計算時完全可以忽略；馬爾科夫隨機場模型可以很好的描述相鄰像素之間的信息，該模型還可以與某其他模型結(jié)合進行圖像黑醋栗，免疫算法是借鑒生命科學(xué)中免疫的概念和理論提出的一種優(yōu)化算法，它繼承了遺傳算法的優(yōu)越性，其避免了優(yōu)化過程中的退化現(xiàn)象?？臻g矩陣描述了不同區(qū)域間的相鄰概念，空間矩陣描述了兩類之間以及異類之間在空間上的相鄰概率，SAR圖