论文部分内容阅读
合成孔径雷达(SAR)具有对目标进行全天候、全天时观测的能力。随着科学技术的发展,SAR成像分辨率不断提高,SAR图像目标检测与识别已成为国内外学者研究的热点。道路信息是SAR图像中的一种重要的交通专题信息,从SAR图像中提取的道路网络广泛用于军事、地图、交通、导航等领域。因此,SAR图像道路检测与识别的研究,不仅具有重要的理论价值,也具有重要的实际应用价值。
论文对SAR图像道路检测与识别方法进行了深入研究,分析了SAR图像中道路的影像特征,提出了一种SAR图像道路检测与识别的新方法。该方法由curvelet变换、形态学运算、Hough变换、遗传算法(GA)和区域生长五部分组成。
首先,对SAR图像进行对数变换,将SAR图像中乘性斑点噪声(speckle)变为加性噪声,并对对数变换图像进行curvelet变换,采用软硬阈值函数及改进的阈值规则对curvelet系数进行处理,经过curvelet逆变换和指数变换,重构去噪的SAR图像。其次,利用形态学运算,对已除去噪声的二值SAR图像进行边缘提取,并对边缘图像进行形态学区域开运算,以去除较小的区域。然后,采用Hough变换提取经形态学运算后的图像中的直线段。接着,运用遗传算法从已检测到的所有直线段中寻找可能是道路的最优片段进行连接,并根据道路特征合理设计适应度函数和整个进化过程。最后,使用区域生长方法延伸道路片段,其核心思想是让某一初始种子沿着一定方向并以一定的步长生长。
论文重点对基于curvelet变换的去噪方法,遗传算法中适应度函数和进化过程设计,以及区域生长中生长规则(灰度值、生长方向和生长步长)进行了分析研究,为了验证所提出方法的有效性,利用SAR图像进行道路检测与识别实验,取得了良好的实验结果。可以看出,论文提出的方法能较好地检测与识别SAR图像中的道路,是比较有效可行的。