论文部分内容阅读
海冰是北极气候的重要组成部分,对全球气候和环境产生了重要影响,因此,无论是气候变化研究还是航行的安全保障,都迫切需要实现对北极海冰实时准确的监测。合成孔径雷达(Synthetic Aperture Radar, SAR)以其全天时、全天候、高分辨率等诸多优点成为目前北极海冰监测的主要手段,同时也是获取大范围北极海冰分布信息的重要工具。基于马尔可夫随机场(Markov Random Field, MRF)的SAR海冰图像分类方法将分类转化为最大后验概率估计问题,该方法的关键在于选取鲁棒性较强的分类特征和建立准确的MRF模型。本文在深入分析冰况图所提供的专家知识和海冰本身的固有特性的基础之上,利用不同层次的先验知识,在MRF的框架之内,依次融入专家知识和类间伴生关系的思想,提出了两种基于MRF的SAR海冰图像分类方法,研究工作主要包括如下几个方面:1)研究提出了一种融合专家知识的多层次SAR海冰图像分类方法。该方法充分利用了冰况图所提供的关于海冰类型、类别数和部分密集度的先验知识,根据部分密集度的不同,分层次处理各个蛋码区域,在完成区域级MRF分割后,结合强度特征,实现SAR海冰图像的分类。2)研究提出了一种基于类间伴生关系的SAR海冰图像分类方法。该方法从各类海冰间固有的伴生特性出发,将冰况图所包含的先验知识转换为海冰的类内特征信息和类间伴生关系信息,并利用MRF对二者进行建模,将海冰分类转化为目标函数的优化问题,为实现SAR海冰图像的准确分类提供了一个新途径。针对真实的北极SAR海冰图像进行了充分的实验,并进行了较为详细的分析。相较于IRGS算法,基于类间伴生关系的SAR海冰图像分类方法提高了海冰类型判读的准确性,证明了本文所提分类方法在SAR海冰图像解译方面的可行性与有效性。