极化SAR影像滤波及分割方法研究

发布时间：2019-10-12 22:41

【摘要】：极化合成孔径雷达(Polarimetric Synthetic Aperture Radar, PolSAR)相比于单极化SAR系统能获取地面目标散射回波中包含的全极化信息,在分析、提取和反演目标极化散射特性上有单极化SAR无可比拟的优势。目前,国内外研制的机载和星载极化SAR系统越来越多,所获取的极化SAR数据越来越丰富。然而,相对于硬件系统的快速发展,极化SAR影像处理分析和自动解译等方面的研究还相对滞后。这一方面是由于地球表面场景的极端复杂性使人们在短期内难以对所有地物目标的极化散射机理研究透彻,极化雷达理论中还有许多方面有待进一步研究；另一方面则是由于极化SAR系统的相干成像机制造成影像中不可避免地存在相干斑噪声,对极化SAR影像中地物的真实信息造成严重干扰,大大增加了极化SAR影像的解译难度。极化SAR影像滤波和分割是极化SAR影像相干斑噪声抑制的重要手段。作为基于像素的和面向对象的极化SAR影像解译方法的重要预处理步骤,极化SAR影像滤波和分割对精确、快速地解译极化SAR影像有重要意义。本文以精确还原极化SAR影像中的真实信息为目标,在极化SAR影像滤波和分割方面进行了深入研究。在极化SAR影像滤波方面,本文系统的总结了现有的极化SAR影像滤波算法,按照所使用的技术将这些算法分为基于同质度的滤波、基于概率分布的滤波、基于片匹配的滤波和基于其它技术的滤波四大类,并指出了这四大类滤波算法中存在的问题,为后续的深入研究奠定了基础；总结了极化SAR影像滤波的基本原则和基本方法,在此基础上提出了自适应窗口滤波和广义Balloon Mean Shift (GBMS)滤波两种新的滤波算法；系统的总结了现有的各种定性和定量极化SAR影像滤波效果评价方法,将其分为有参考图评价法和无参考图评价法两大类,提出了基于边缘保持系数的定量评价方法和基于极化目标分解的定量评价方法,构建了较为完善的评价体系；通过利用模拟和真实极化SAR数据对现有算法和本文提出的两种新算法进行对比实验,证明了本文提出的极化SAR滤波算法的有效性。在极化SAR影像分割方面,针对现有的极化SAR影像分割算法在分割结果的形式上有较大差异、但是其名称却比较笼统的问题,本文将极化SAR影像分割算法按分割结果的不同分为常规分割、超级像素分割和层次分割三大类,并明确阐述了三大类分割方法之间的区别与联系,为后续的研究理清了思路；针对统计区域合并(Statistical Region Merging, SRM)算法只能用于光学图像的问题,对其进行改进,提出了扩展的SRM (GSRM)算法,并将其用于极化SAR影像常规分割和超级像素分割；将本文提出的GBMS算法进一步延伸,用于极化SAR影像超级像素分割；将超级像素分割方法和层次分割方法结合,提出了基于超级像素的二叉树分割算法；总结了现有的极化SAR影像分割结果评价方法,针对“分割尺度”这一重要概念目前还没有确切的数学定义的问题,给出了分割尺度的数学定义,并进一步提出了基于分割尺度的分割结果评价方法；利用真实的极化SAR数据对现有的和本文提出的极化SAR影像分割算法进行了对比分析,证明了本文提出的极化SAR影像分割算法的有效性。本文的主要创新点有： 1)针对基于同质度的滤波算法中同质度量度对同质区域和异质区域区分性不高、同质度阈值难以确定等问题,提出了极化同质度的定义及同质度阈值自动选择算法,实验验证了该方法可有效区分同质区域和异质区域;针对精制极化Lee滤波算法中的扇贝效应和虚假细线问题,提出了自适应窗口滤波算法,实现了在同质区域最大化抑制噪声的同时在异质区域保持点、线、边缘等细节信息。模拟和真实极化SAR数据实验表明该算法在噪声抑制、细节保持、辐射信息保持以及极化信息保持等方面都有很好的表现。 2)针对基于概率分布的滤波算法受概率分布假设限制,对不同类型的极化SAR影像滤波效果也不同的问题,提出采用Mean Shift这一非参数概率密度估计方法进行极化SAR影像的滤波,并针对极化SAR数据的特点,提出采用自适应、非对称、可变带宽的Mean Shift,最终提出的广义Balloon Mean Shift (GBMS)算法可直接用于单极化和多极化SAR影像的滤波。模拟和真实极化SAR数据实验表明该算法噪声抑制效果明显优于常规的基于概率分布的滤波算法。 3)根据SAR数据乘性噪声模型建立了新的统计区域合并(SRM)模型,推导了新的合并准则,并在此基础上提出了扩展的SRM (GSRM)分割算法,该算法不依赖于数据的概率分布、抗噪性好,并且可直接用于单极化和多极化SAR数据。真实极化SAR数据实验表明该算法相比于原始的SRM算法欠分割现象明显减少、分割精度有所提高。 4)将本文提出的GSRM算法和GBMS算法进一步扩展,用于极化SAR影像超级像素分割,实验表明这两种超级像素分割算法在执行效率和执行效果上均优于现在常用的超级像素分割算法；将超级像素分割方法和层次分割方法结合,提出了基于超级像素的二叉树分割算法,实验表明该算法在执行效率上与基于像素的二叉树分割算法相比有明显提升,在执行效果上,当采用基于区域数的裁剪方法时两者结果相似,当采用基于区域同质度的裁剪方法时前者优于后者。虽然本文在前人研究的基础上取得了一定的成果,但是仍有许多方面值得进一步研究和探讨,如本文提出的自适应窗口滤波算法中疤痕效应的去除以及疤痕效应对后续处理的影响、滤波时全极化信息利用与必须进行多视之间的矛盾等问题。
【学位授予单位】：武汉大学
【学位级别】：博士
【学位授予年份】：2014
【分类号】：P225.1

【参考文献】