sar图像处理独立分量的分析方法

《sar图像处理独立分量的分析方法》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、西北工业大学博士学位论文sAR图像处理的独立分量分析方法摘要合成孔径雷达(SyIltheticApe衄eRad甄S灿的图像由于其全天侯、全天时、分辨率高等优点，在军事和民用领域中都得到了应用。但是应注意由于sAR成像的机理，使得sAR图像含有斑点噪声，这样与传统光学图像的处理相比，SAR图像的处理具有其特殊性。本文研究基于独立分量分析衄dependelltComponentAnalysis，ICA)的方法的sAR图像处理问题。针对sAR图像的统计特性，给出了基于多尺度自回归滑动平均(MuItiscaleAutoregrcssiveMovingAverage，MARMA)模型和基于投影寻踪

2、学习网络口rojectionPursuitLe锄ingNetwDrk，PPDO方法的SAR图像压缩方法；给出了基于独立分量分析的极化SAR图像抑制斑点噪声方法；提出了sAR图像增强的稳健独立分量分析方法；研究了SAR图像滤波和增强的子带独立分量分析处理方法。主要研究内容如下：(1)提出了基于多尺度A】m队模型的SAR图像压缩新方法，以建立多尺度M越mA模型和多尺度MAROvIultiscaleAutoregressive)模型来直接刻画SAR图像的统计相依性为基础，据此构造压缩算法。不使用对SAR图像的分割结果，因而该方法无需SAR图像分割的先验知识。【附录二：(1、3)】(2)给出了基

3、于投影寻踪学习网络的SAR图像压缩新方法。该方法综合了投影寻踪回归(PmjectionPursuitRegression，PPR)的统计思想和图像压缩的基本思路，试验结果表明该方法既能达到较高的压缩比又能取得较好的保真度。【附录二：(4)】(3)极化SAR图像可视为目标信号与噪声的线性混合，利用ICA的分离性，可从其中分离出期望信号，将硼、HV、VV和HV，、，、，的比值图像做为ICA的输入数据。本文首次基于ICA方法，得到了分别对应于唧、HV和w极化的三幅降噪图像，取得了较好的实验结果。进而，还分别使用了三种不同的ICA算法，进行了极化SAR图像的相干斑抑制，并对其结果进行了比较分析，

4、这对补充ICA算法的研究成果是有意义的。【附录二：(5、7、9)】(4)构造了一个稳健独立分量分析神经网络算法。当数据中存在噪声或异常值时，该方法能够有效地降低噪声的影响。该算法通过应用基于最小协方差行列式(MiIliln啪CovarianceDetenninam，MCD)估计的异常值拒绝法则，使其具有稳健性。在数据中含有较强噪声或异常值时，算法优于传统的ICA算法。将此算摘要法分别应用到盲噪声图像分离和sAR图像处理上，与传统的ICA方法相比，得到了较好的分离结果。【附录二：(2、6)】(5)给出极化SAR图像增强的子带ICA处理方法。子带ICA扩展ICA的基本模型，假设源信号各分量并

5、不具有统计独立性，而是由一些统计独立的子分量组成，与传统算法相比，该方法具有更好的灵活性和鲁棒性结果。本文首次使用基于子带ICA方法进行极化SAR图像增强，得到了较好的实验结果。【附录二：(8、12)】关键词：独立分量分析合成孑L径雷达图像多尺度自回归滑动平均模型投影寻踪学习网络稳健独立分量分析子带独立分量分析压缩斑点噪声抑制盲图像分离H西北工业大学博士学位论文sAR图像处理的独立分量分析方法Abstl‘actSAR(S”theticApertIlreRadar)imagesgetmerapiddeveIopmeIltaIld而deapplicationbecauset11eycanbe

6、0btainedally-tiIIle，柚y．weather距dwitllhi曲res01ution．Unfommately，SARimagesarcalwaySpollutedby也emultiplicatiVenoise．Forthjs”as011，the仃硼itionalmethodsofimageprocessiIlgdonotwOrkwell．hnlispap％ascriesofnewmethodsarepr叩osed粕dappliedtoSARcoIHpression，specklereductiona11denhancclIlmt．Them豳i111lovativepoin

7、ts盯easfollows．．At五rst，anewmetllodbasedonmultiscaleautorc掣守ssiVemoVingaverage似Am他)moddsispreselltedtoco唧ressSARimage．Themethodllsesthemultiscalerepres印tation罅tIlecomerstoneofthemOdem培process，a11dconsmlctstheMARMAmodelso