SAR圖像處理技術(shù)研究

　　合成孔徑雷達（SAR）具有全天時、全天候的高分辨成像能力，在國民經(jīng)濟和國防建設(shè)中有著非常重要的應(yīng)用。但是，SAR成像的特點決定了SAR圖像幾何失真較大且含有大量被稱為相干斑的乘性噪聲，這使得傳統(tǒng)的圖像處理技術(shù)很難應(yīng)用?；诖耍緯赟AR圖像處理方面的研究工作和該領(lǐng)域一些專家的相關(guān)工作，介紹了SAR圖像相干斑噪聲抑制、SAR圖像邊緣提取、SAR圖像分割分類、SAR圖像目標識別、極化SAR圖像處理與并行SAR圖像處理等一些SAR圖像處理關(guān)鍵方法技術(shù)。 SAR圖像相干斑噪聲的存在使SAR圖像的解譯工作變得相當復雜，因此研究SAR圖像的信號和噪聲分布特性對于SAR圖像的各項處理工作顯得格外重要。用小波分析的方法研究了SAR圖像信號和噪聲在頻域中的分布特性，并在SAR圖像濾波中得以驗證。 基于以上SAR圖像相干斑噪聲的分布特性的研究，并分析現(xiàn)有的圖像空間濾波算法，研究提出了一種相干斑濾除方法——基于小波變換的SAR圖像噪聲濾波方法。將該方法用于SAR圖像去噪取得了較好的效果。 在含噪SAR圖像邊緣提取方面，提出了3種方法：①基于小波變換的SAR圖像邊緣提取。首先用基于結(jié)構(gòu)信息的統(tǒng)計濾波方法對SAR圖像進行濾波，然后根據(jù)小波變換具有多分辨分析的特性，并結(jié)合模糊中值濾波、閾值化處理及微分梯度算子對SAR圖像進行邊緣提取。②基于分形的SAR圖像邊緣提取。首先用小波變換方法對SAR圖像進行濾波，然后依據(jù)所計算的基于區(qū)域自選的多尺度分形維數(shù)進行邊緣檢測。③基于支撐矢量機（SVM）的SAR圖像邊緣提取。利用含噪SAR圖像中邊緣點與非邊緣點在鄰域一致性、方向性和結(jié)構(gòu)性的不同，運用一個三維特征向量描述邊緣點，并采用SVM方法實現(xiàn)對邊緣點的提取。實驗結(jié)果表明，對于SAR圖像來說，本書中所提出的邊緣檢測方法優(yōu)于Robert算子、Sobel算子、Canny算子等傳統(tǒng)邊緣檢測算子。本書同時對所提出的方法從算法性能、效率方面進行了分析比較，并給出了各自的適用范圍。 在SAR圖像分割分類方面，提出了6種方法：①基于瑞利（Rayleigh）分布和模糊技術(shù)的SAR圖像分割方法。該方法基于SAR圖像灰度級分布模型，并結(jié)合像素灰度和區(qū)域信息，提取目標灰度隸屬度信息作為特征，然后通過無監(jiān)督聚類方法對SAR圖像進行分割。②基于小波變換的SAR圖像分割方法。在該方法中，用于SAR圖像分割的特征向量由圖像小波紋理特征和濾波后的灰度組成。③基于分形特征的SAR圖像分割方法。該方法基于分形理論并結(jié)合了SAR圖像的特點。④基于模糊神經(jīng)網(wǎng)絡(luò)的SAR圖像分割方法。該方法將所提取的SAR圖像的灰度共生矩陣特征和濾波后的灰度組成特征向量，用模糊神經(jīng)網(wǎng)絡(luò)對SAR圖像進行分割。⑤基于樹型小波和灰度共生矩陣的SAR圖像分類方法。該方法將圖像的空間域和頻域特征相結(jié)合。⑥利用小波尺度共生矩陣和灰度共生矩陣的SAR圖像分類方法。該方法將反映圖像紋理的動態(tài)和靜態(tài)信息特征相結(jié)合。實驗結(jié)果表明，本書所提出的SAR圖像分割分類方法是有效的。本書同時對所提出的分割分類方法從算法性能、效率方面進行了分析比較，并給出了各自的適用范圍。 在SAR圖像目標識別方面，提出了基于SVM的SAR圖像目標識別方法。該方法首先對樣本SAR圖像進行預處理；然后提取目標區(qū)域的不變矩特征并計算灰度均值，將其組成特征向量訓練SVM分類器；最后用訓練好的SVM分類器對要識別的SAR圖像進行目標識別。用該方法對一些含有橋梁和坦克的SAR圖像進行目標識別取得了較好的結(jié)果。 在極化SAR圖像分類方面，提出了一種基于極化特征并結(jié)合鄰域信息的統(tǒng)計特征的全極化SAR數(shù)據(jù)的無監(jiān)督分類方法。在該方法中，計算了極化SAR圖像的極化特征：H（熵）、α（散射角）、A（各向異性度）和SPAN（極化總功率）。還在極化總功率圖像上計算了空間統(tǒng)計特征：4個灰度共生矩陣特征。將極化特征和空間統(tǒng)計特征相結(jié)合，對極化SAR圖像進行分類。實驗表明，該算法能更好地保持極化SAR圖像的紋理和細節(jié)，其分類結(jié)果優(yōu)于傳統(tǒng)的極化SAR圖像分類方法。 在高性能計算中，并行集群計算系統(tǒng)具有較高的和良好的可擴展性，可以滿足不同規(guī)模的大型計算問題，因此日益受到重視。本書將并行計算引入SAR圖像處理中，以提高速度。針對SAR圖像處理中計算量大的關(guān)鍵環(huán)節(jié)，并結(jié)合并行計算，提出了一種SAR圖像并行分類方法和一種SAR圖像并行邊緣檢測方法，通過實驗驗證了它們的有效性及較高的效率。通過SAR圖像并行處理的研究和實驗，本書也對影響圖像并行處理的一些因素進行了分析，并給出了一些提高SAR圖像并行處理性能的措施。 本書的工作得到了筆者的博士生導師趙榮椿教授、張艷寧教授，筆者的博士后合作導師曾琪明教授和筆者在美國公派訪學時的合作導師Liping Di教授的許多指點和幫助，以及導師們的實驗室的多位同門的幫助，在此一并感謝。本書還參考了許多國內(nèi)外相關(guān)資料，對這些文獻的作者們也表示感謝。在本書的撰寫過程中，也得到了筆者的家人和工作單位的領(lǐng)導與同事，以及筆者的一些朋友的支持和幫助，在此也表示感謝。鑒于筆者的專業(yè)水平有限及時間倉促，書中不足之處在所難免，敬請讀者和同行批評指正，筆者會將讀者的反饋作為進一步提高研究質(zhì)量的動力。

暫缺《SAR圖像處理技術(shù)研究》作者簡介