多尺度几何分析技术在SAR图像处理中的应用研究

《多尺度几何分析技术在SAR图像处理中的应用研究》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、南京航空航天大学硕士学位论文摘要合成孔径雷达(SAR，SyntheticApertureRadar)是二战后发展起来的一种高分辨力成像雷达，它可以全天候、全天时、远距离地得到类似光学照相的高分辨力图像，在军事和民用方面都得到了广泛的应用。研究包括相干斑抑制和目标检测等SAR图像处理算法具有重要的理论意义和应用价值。Curvelet变换和Con-tourlet变换是两种新的能够最优表示图像的多尺度几何分析方法。本文结合江苏省自然科学基金(N0.BK2001047)“合成孔径雷达(SAR)图像定量评估研究”，将上述两种变换应用于SAR图像处理，提出了新

2、的SAR图像相干斑抑制和目标检测算法，并对算法的性能进行了研究。本文介绍了SAR图像处理的主要分支，重点讨论了本课题的主要研究领域——相干斑抑制；介绍了多尺度几何分析技术，重点研究了Curvelet变换和Con-tourlet变换。本文结合SAR图像的特点，分别提出了基于Curvelet变换、Contourlet变换和Contourlet域SOT结构的SAR图像相干斑抑制算法。经这些算法处理所得到的图像都取得了很好的目视效果，各项指标与其它算法结果相比都得到了明显提高，在抑制相干斑的同时目标的边缘和纹理特征也得到了有效保护。本文利用Contourl

3、et变换对二维奇异信号的最优表示能力，提出了基于Contourlet变换的SAR图像机场目标检测算法，该算法的处理结果与使用小波变换的检测结果相比较，在目标形状和边缘保持方面有明显提高。结束语对本文的工作进行了总结，对多尺度几何分析技术应用在SAR图像处理领域的研究前景进行了展望。关键词:合成孔径雷达；多尺度几何分析；相干斑噪声抑制；目标检测；Curvelet变换；Contourlet变换i多尺度几何分析技术在SAR图像处理中的应用研究ABSTRACTSyntheticApertureRadar(SAR)isakindofhighresolutio

4、nimagingradar,whichhasbeendevelopedsinceWorldWarⅡ.High-resolutionradarimagecanbeobtainedunderallweather,day-and-nightandlongdistanceconditions,soitisapplicatedabroadbothinmilitaryandcivilianfileds.TheResearchonalgorithmsofSARimageprocessingincludingspecklesuppressionandtargetd

5、etectionhasimportanttheorysignificanceandapplicationvalue.CurvelettransformandContourlettransformaretwonewMultiresolutionGeometryAnalysis(MGA)methodswhichcanrepresentimagesmosteffectively.CombinedwiththetheNaturalScienceFundofJiangsuProvince(N0.BK2001047)whichnameis“ResearchOn

6、SARImageEvaluation”,thispaperusesabove-mentionedmethodstoSARimageprocessing,proposesnewalgorithmsofspecklesuppressionandtargetdetectionforSARimageandresearchesonabilitiesofthesealgorithms.ThispaperintroducesmainfieldsinSARimageprocessingandtheintroductionemphasizesonspecklesup

7、pressionwhichisthemainfieldourtaskresearcheson;ThispaperalsointroducesMGAandtheintroductionemphasizesonCurvelettransformandContourlettransform.CombinedwithcharactersinSARimage,thispaperproposesspecklesuppressionalgorithmsforSARimagebasedonCurvelettransform,Contourlettransforma

8、ndSOTstructureinContourletdomainseparately.Thedenoisedimageso