论文部分内容阅读
相干斑噪声是SAR系统和所有基于相干原理进行成像系统的固有性缺陷,其阻碍了SAR图像的解译性及后续各种应用,所以相干斑噪声的抑制是SAR图像解译分析前的必要步骤；光学图像和SAR图像反映的地物信息量差异很大,将光学影像与SAR影像信息融合,进行信息互补,对于遥感图像的解译识别及森林类型识别是十分有益的。本文针对SAR图像去噪及多源信息融合两方面进行了研究分析。传统的相干斑噪声滤波算法在抑制噪声的同时不能很好的保持图像的高频细节信息,针对这一问题选择了适于同质区域的自适应滤波算法对SAR图像进行降噪处理,首先介绍了SAR图像斑点噪声的产生机理、模型及统计特性,然后根据其图像后续具体应用目的与要求,对常用自适应滤波器算法进行分析并分别采用LEE与增强LEE滤波、FROST与增强FROST滤波、LOCAL SIGMA滤波、GAMMA滤波和KUAN滤波算法对福建将乐林场RADARSAT-2图像数据进行处理,将有效视数、图像边缘保持指数等作为滤波器性能评价指标体系并依据各评价指标对实验结果进行比较分析。结果表明,增强型LEE滤波器去噪综合性能最好,能在较好抑制噪声的同时又保持了图像的高频信息和细节。通过各个滤波算法结果进行系统比较分析,为以SAR图像后续植被类型分类为应用目的滤波算法的选择提供了理论依据。以获取的福建省三明市将乐林场Quickbird影像和Radarsat-2全极化影像作为基础数据,采用面向对象多尺度分割方法对Quickbird全色与多光谱的融合影像、SAR影像及采用Gram-Schmidt融合方法获得的Quickbird与SAR的融合影像提取地物类型信息。分类特征融合植被的光谱、纹理和几何特征信息,建立类层次结构,最终完成分类,并对分类结果进行比较分析,结果表明：基于对象与知识的方法对高空间分辨率影像分类取得了较好的分类效果,其中,利用多源遥感数据的分类总体精度最高为0.903,相比单一的光学遥感及微波遥感分类精度有一定的提升。