读智能SAR图像处理与解译笔记.doc

读智能SAR图像处理与解译笔记.doc

ID:56767116

大小:86.50 KB

页数:21页

时间:2020-07-08

读智能SAR图像处理与解译笔记.doc_第1页
读智能SAR图像处理与解译笔记.doc_第2页
读智能SAR图像处理与解译笔记.doc_第3页
读智能SAR图像处理与解译笔记.doc_第4页
读智能SAR图像处理与解译笔记.doc_第5页
资源描述:

《读智能SAR图像处理与解译笔记.doc》由会员上传分享,免费在线阅读,更多相关内容在教育资源-天天文库

1、读智能SAR图像处理与解译第1章绪论1.1研究背景以及意义真实孔径雷达的距离分辨率受发射脉冲宽度的限制,当要求非常高的距离分辨率时,必须发射非常窄的脉冲,同时随着距离的增大发射信号的能量也必须增大;方位分辨率取决于天线孔径、作用距离和工作波长,当波长一定,方位向孔径越长,斜距越小,方位分辨率越高。对于机载和星载雷达来说,由于条件限制,不可能获得非常窄的脉冲宽度和很大的天线孔径,因此难以获得很高的分辨率。1.2SAR图像理解的研究现状图像的影像特征(色调或色彩,即波谱特征)和空间特征(形状、大小、阴影、

2、纹理、图形、位置和布局),多种非遥感信息资料(如地形图、各种专题图)。以目标识别为最终目的的图像识别系统主要包括预处理模块、特征提取模块、特征选择模块、目标识别与分类模块、算法性能评估模块等。预处理模块包括了图像去噪、图像增强、图像滤波、倾斜校正和锐化等操作,必须几何图像本社的特点和图像中物理具有的先验知识进行操作。特征提取模块在预处理模块的基础上进行图像分析,分析的含义在于对图像中的目标进行检测和测量,从而建立对图像信息的描述。它包括了为实现特征提取而进行的图像分割、边缘检测和图像融合等,最终以能够

3、区分和表征图像内容的有效特征为表达方式。特征选择模块通过特征选择算法提出冗余特征,是提高分类精度的有效途径。目标识别与分类模块完成图像特征的分类,以分类的结果为基本依据进行目标的识别。识别算法一方面模拟人识别物体的机理,一方面要适合计算机自动处理的特点。算法性能评估模块则是采用测试数据库对识别与分类模块的结果进行判断,尽可能结合领域知识(专题数据库)和专家知识(先验证知识库),进一步修正识别与分类模块中算法的有效性,才能得到较好的识别结果。1.3SAR图像处理与理解的研究内容及进展当前对相干斑的抑制技

4、术大体分为成像前的多视平滑预处理技术和成像后的滤波技术两类。成像后的滤波技术又可分为空域滤波技术和频域滤波技术。空域滤波技术都是先假定噪声模型,然后子啊图像上取一个滑动窗,以窗内所有像素作为滤波器的输入值,等同于估计无相干斑噪声的图像,它是基于局部统计特性进行滤波处理的,如Crimmins提出的几何斑点滤波器,Lee提出的局部滤波方法,Kuan等提出的姿势因规律波,Frost提出了自适应斑点噪声滤波器,Jose等提出的基于Baysian方法的含噪SAR图像恢复方法。与Lee滤波器相比Kuan滤波的效果

5、更好,但这两者都是以最小均方差故居准则为基础的,更适合于单视SAR图像数据处理。Forst滤波器与Lee滤波和Kuan滤波的不同之处在于它是通过观测图像域SAR系统的冲击响应的卷积来估计场景的真实回波的,考虑了场景的相关性。对于多视图像,假设图像的概率密度函数为Gamma分布,应用最大后验概率(maximumaposteriori,MAP)滤波相干斑噪声,则可以得到GammaMAP滤波器。对统计学方法的研究和改进都是考虑如何自适应选择窗口及如何引入像元结构信息等。频域滤波技术,小波变换的方法对边缘有着

6、较好的保留效果,但是对于一致性较好的区域,噪声抑制效果仍不够理想。为了在保持图像边缘和纹理等细节信息的同时,加强均匀区域的滤波效果,可以将马尔可夫随机场模型与小波变换相结合,建立小波马尔可夫模型,并用于SAR图像去噪。在多尺度马尔可夫模型(multiscaleMarkovmodel)的基础上,Crou等提出了小波域隐马尔可夫树模型(hiddenMarkovtreemodel,HMT),并已被用于SAR图像的半点噪声抑制。但是应注意小波域马尔可夫树模型人存在一些问题,如快效应、孙连算法熟练较慢、大图像的

7、计算量大等问题。大多数用于普通光学图像的有效边缘检测方式是基于梯度的,如Canny、Sobel、Roberts、Prewitt和Nevattas等。但是由于SAR图像中乘性斑点噪声的影像,使这些传统的边缘提取算子对SAR图像的处理效果并比理想。当前在SAR图像处理中研究较多的有两类算法:一类是Ratio算子;另一类是小波多尺度边缘检测算子。1)Ratio算子对于多视图像,Ratio边缘检测算子定义为图像中一个点的两个相反方向邻域中像素值的平均比率,该算子性能和邻域大小、SAR图像的视数、SAR图像的平

8、均功率有关。当邻域较大时,比率算子对相干斑噪声不敏感,可以用来检测边缘;当邻域小时,小边缘就会漏掉。为检测小边缘,可以将比率算子扩展,通过采用一组尺寸增加的邻域来选择阈值,最终检测弱小边缘。Touzi,Bovik等提出基于两个区域的平均强度的比率算子,当两个区域大小相同时,该算子提供最大似然“完全边缘检测”概率,如果两个区域大小不同,则通过逼近方法就不可能找到等价的求解算法。1)小波多尺度边缘检测算子小波变换在SAR图像边缘检测中扮演了重要的角色。小波继

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。