论文部分内容阅读
合成孔径雷达(Synthetic Aperture Radar,SAR)成像技术作为一种重要的地球空间信息获取手段已广泛应用于军事侦查、科学研究以及资源勘探等各领域。然而,SAR固有的相干斑给图像处理工作带来极大干扰。因此,采取有效措施抑制斑点噪声具有重大意义。此外,SAR图像分割作为SAR预处理阶段极为关键的步骤,是图像解译技术的重要支撑。本论文以全极化和高分辨率SAR图像为研究对象进行相干斑滤波及分割算法等相关技术的研究,现将本论文工作内容总结如下:(1)对极化SAR图像的数据表征、常用目标分解算法以及相干斑特性与噪声模型进行总结,为后续滤波研究奠定基础。(2)针对极化SAR数据相干斑滤波问题,结合极化分解理论与非局部滤波,并提出改进的权值加速算法,得到快速极化SAR图像相干斑抑制算法。在算法中引入极化相似性参数以更好保持目标极化散射特性。在此基础上,针对算法复杂度过高的问题,提出改进加速算法,使运算复杂度由降为。最后由多幅真实极化SAR图像进行实验,证实算法在最大化抑制斑点噪声的同时具备良好的图像细节和极化特性保持能力,且运行效率得到显著提升。(3)结合超像素与稀疏表示理论得到准确高效的SAR图像分割算法。以超像素作为基本处理单元在抑制噪声的同时降低算法复杂度,而后在稀疏表示基础上根据SAR图像不同地物类别散射特性差异提出稀疏自表示矩阵校正处理办法,得到准确判别特征。在FCM基本框架下与超像素基本特征级联,完成算法构建。最后通过对模拟和真实SAR图像的分割结果进行定性和定量分析,并与经典FCM改进算法对比,准确率平均提升16.7%,证实算法良好的分割性能。(4)为进一步提升分割精度,增强算法对图像的自适应性,本文在结合信息熵和类间离散度的基础上得到自适应非局部模糊C均值聚类SAR图像分割算法。通过自适应测度参数提升相似性计算精度,结合灰度直方图信息熵得到非局部项的自适应权值参数,并加入对类间离散性的考量完成算法构建。最后由模拟和真实SAR图像的分割结果证明算法对相干斑的鲁棒性和出色的图像细节保持能力,相较于对比算法,其准确率和像素分布吻合度平均提升17.1%和30.6%,验证了算法对不同场景图像的优异分割性能。