多途污染的SAS图像统计特性数据分类研究

《多途污染的SAS图像统计特性数据分类研究》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、独创性声明本人声明所呈交的论文是我个人在导师指导下进行的研究工作及取得的研究成果。除了文中特别加以标注和致谢的地方外，论文中不包含其他人或集体已经发表或撰写过的研究成果，对本文的研究做出贡献的集体和个人均已在论文中作了明确的说明并表示了谢意。研究生签名：。生筮日论文使用和授权说明期：幽歹：复!丝本人完全了解云南大学有关保留、使用学位论文的规定，即：学校有权保留并向国家有关部门或机构送交学位论文和论文电子版；允许论文被查阅或借阅；学校可以公布论文的全部或部分内容，可以采用影印、缩印或其他复制手段保存论文。(保密的论文在解密后应遵循此规定)研究生

2、签名：．之盥导师签名：本人及导师同意将学位论文提交至清华大学“中国学术期刊(光盘版)电子杂志社”进行电子和网络出版，并编入CNKI系列数据库，传播本学位论文的全部或部分内容，同意按《中国优秀博硕士学位论文全文数据库出版章程》规定享受相关权益。研究生签名：——导师签名：日期：摘要合成孔径声纳(SyntheticApertureSonar)是现代一种常用的水下探测声纳，它的基本原理是小尺寸的基阵通过匀速直线运动来模拟大孔径基阵，从而获得距离向和方位向的高分辨率。该技术最先运用于合成孔径雷达(SyntheticApertureRadar，简称SAR

3、)，成为对地观测的主要手段。在SAR基础上，经过国内外学者多年的研究，成功将其运用到声纳中，成为一种新型的水下观测手段，其国内外研究成果已经显示出广泛而巨大的军事及民用前景。在SAS相关的诸多研究中，其图像统计特性的研究具有重要科研价值和现实意义。它是去除SAS图像中噪声污染，提高SAS图像成像质量，提出SAS新成像算法的基础。理想的SAS图像可以用K分布描述，可是，在实际探测过程中，由于多途等噪声污染，使其图像的统计特性有所改变，分布偏离K分布而更偏向于由直达波和噪声两部分构成的K+K混合分布，对于具有K+K分布的SAS图像数据，在数据处理

4、中的一个重要问题是怎样从统计学的角度将直达波数据和噪声数据分离，为提高SAS图像成像质量及进一步研究SAS图像统计特性奠定基础。基于以上分析，本文运用最小错误概率BAYES分类方法和K-MEANS聚类方法对其研究，以达到将直达波数据和噪声数据分离开，从数据的角度去除噪声的效果。其中，将最小错误概率Bayes分类运用于混合K分布数据中，从理论上推导其在混合K+K分布数据分离中的运用，最后通过实验分析其运用的实际效果和各种不同参数对分类效果的影响并得出结论。K-MEANS聚类算法是图像和数据聚类中的一种经典算法，其最主要的一个特点是其本身是一种无

5、参聚类方法，将其运用于混合K分布中，可以有效解决混合K分布参数估计困难的特点，从而寻找到一条从图像和数据中直接去除K分布中由于多涂污染而产生的噪声的道路。在SAS图像数据统计特性的研究中，怎样证明使用的数据和分类后数据服从K分布，以保证研究的有效性，是一个必要问题，本文运用KS算法解决此问题，用于保证研究的有效性和实际意义。关键词：SAS统计特性；KS检测：Bayes分类；K-MEANS聚类AbstractAbstractSyntheticApertureSonar(SAS)isacommonlyusedunderwaterdetection

6、sonar，Itsbasicprincipleisthatthesmallsizeofthearraysbyuniformlinearmotiontosimulatethelargeaperturearraystoobtainthehighresolutionofthedistanceandazimuth．Thistechnologywasfirstusedinsyntheticapertureradar(SAR)，tobecometheprimarymeansforEarthObservation．Yearsofresearchschola

7、rsathomeandabroad，theuseofsyntheticaperturesonar，andhasbeenwidelyused．InthestudyofSAS，thestatisticalpropertiesoftheimagehasimportantscientificvalueandpracticalsignificance．ItisthebasisoftoremovetheSASimagenoisepollution，improvetheSASimageimagingqualityandtoputforwardtheSASn

8、ewimagingalgorithm．Intheory,usuallyusingtheKdistributiondescribestheSASimage，Howev