基于高分三号SAR影像的目标地物特征提取方法研究
发布时间：2021-12-12 06:10
合成孔径雷达,由于其优秀的成像能力,不受云雨等天气影响,在恶劣环境下依然能为对地观测提供高质量、高时效性的图像,弥补了光学传感器受天气影响无法获取数据的缺陷,是获取地面信息的重要手段。高分三号卫星,是我国自主研发的民用雷达卫星,其全天时全天候、多模式、多极化方式的多种优势,为我国对地观测技术提供了新的思路。随着雷达卫星的发展,SAR图像的分辨率越来越高,数据获取越来越方便,能够为城市的规划和对城市资源的监控提供实时的、具有科学依据的数据支撑。但是由于城市地物的复杂多样性,目前基于高分三号卫星的城市目标地物提取研究并不多,同时对于高分辨率、高数据量的SAR图像,其处理方式依旧是SAR图像应用过程中急需解决的问题。因此,本文以高分三号SAR图像为基础,以城市内水体和建筑物为目标地物,进行目标地物的特征提取。高分三号SAR图像的处理是图像应用的基础,SAR图像由于其独特的成像机理,在处理方式上也与传统的光学影像有所差别。因此,本文首先分析了高分三号SAR图像的处理流程,并从成像原理、几何特征、影像因素等多个方面对SAR图像进行了分析,针对本文的目标地物建筑物和水体在SAR图像上的特征进行了分...
【文章来源】：哈尔滨师范大学黑龙江省
【文章页数】：57 页
【学位级别】：硕士
【部分图文】：
研究区地理位置示意图
(d)Frost 滤波 (e)中值滤波 (f)均值滤波图 2-2 滤波后图像Figure 2-2 Filtered Image2.4 滤波后图像的质量评价对滤波后图像的质量进行评价，能够更加准确的表现出滤波算法对图像噪声的抑制效果。影像滤波后质量评价方法主要分为两类：主观评价和客观评价。主观评价主要是指通过人的眼睛对图像直接进行观察，从而对图像的质量进行判断。主观评价受环境、人主观观念、观察人的经验等影响较大，判别结果容易产生偏差。客观评价主要是指采用一些评价因子，通过算法对图像的质量进行评价，相较于主观评价，客观评价受环境等外在影响较小，能够更加清晰、准确、直观的对滤波后图像的质量进行评价。本文选取均值、方差、均方误差、均值保持指数、等效视数、边缘保持指数六个因子对滤波后图像质量进行评价。以 M、N 分别表示图像的长和宽，质量评价因子的具体计算公式如下：
图 3-1 阴影现象示意图Figure 3-1 Shadow Phenomenon Diagram缩像过程中，对有坡度的地物，例如山体等，雷达依时间顺序记录回波信号，导致在成像中山坡的象称为雷达的透视收缩。透视收缩通常会造成图型对其进行矫正。透视收缩现象示意图如图 3
【参考文献】：
期刊论文
[1]SAR图像纹理特征相关变化检测的震害建筑物提取[J]. 李强,张景发,龚丽霞,薛腾飞,蒋洪波. 遥感学报. 2018(S1)
[2]一种结合纹理特征的极化SAR图像SVM分类方法[J]. 沈璐,权亚楠,禹哲珠,马宏宇. 北京测绘. 2018(10)
[3]典型滨海湿地植被全极化SAR显著性特征分析与融合分类[J]. 万剑华,张乃心,任广波,刘善伟. 测绘地理信息. 2018(05)
[4]高分三号卫星及应用概况[J]. 刘杰,张庆君. 卫星应用. 2018(06)
[5]融合光学与雷达遥感数据的城市不透水面提取方法[J]. 张鸿生,林殷怡,王挺,宛罗马,李煜,林珲,张渊智. 地理与地理信息科学. 2018(03)
[6]基于SAR数据后向散射及光学图像纹理特征的橡胶林提取[J]. 李昔纯,岳彩荣,岳振兴,张国飞. 林业调查规划. 2018(02)
[7]基于Sentinel-1A卫星SAR数据的水体提取方法研究[J]. 李成绕,薛东剑,张露,苏璐璐. 地理空间信息. 2018(01)
[8]基于流形学习的SAR图像目标分类[J]. 彭易锦. 计算机与数字工程. 2017(12)
[9]高分三号卫星减灾行业应用能力分析[J]. 杨思全,李素菊,吴玮,崔燕,刘明. 航天器工程. 2017(06)
[10]基于流形学习的高分SAR图像建筑区提取方法[J]. 崔师爱,程博,刘岳明. 国土资源遥感. 2017(04)
博士论文
[1]SAR图像自动目标提取方法研究[D]. 宋文青.西安电子科技大学 2018
[2]基于多源遥感的沼泽湿地水文边界界定方法研究[D]. 付波霖.中国科学院大学(中国科学院东北地理与农业生态研究所) 2017
[3]极化SAR图像特征提取与分类方法研究[D]. 刘高峰.西安电子科技大学 2014
[4]基于高分辨率SAR影像提取建筑物高度的研究[D]. 刘康.武汉大学 2012
硕士论文
[1]基于流形结构的降维方法及在人脸识别中的应用[D]. 陈文河.东北电力大学 2018
[2]融合多源SAR影像的矿区变化检测应用研究[D]. 马骕.中国矿业大学 2018
[3]基于流形学习的高分辨率SAR影像城市地物特征提取方法研究[D]. 刘岳明.中国科学院大学(中国科学院遥感与数字地球研究所) 2017
[4]高分辨率SAR卫星影像洪水区域提取应用研究[D]. 陈志国.武汉大学 2017
[5]SAR图像目标特征提取与识别方法研究[D]. 孙永光.西安电子科技大学 2017
[6]基于流形学习的SAR目标识别[D]. 谢加美.电子科技大学 2017
[7]基于多分辨率分析的SAR图像和多光谱图像融合算法研究[D]. 何威.沈阳航空航天大学 2017
[8]高分辨率SAR图像水体提取算法研究[D]. 庞科臣.长沙理工大学 2016
[9]多源遥感图像水体信息提取方法的研究[D]. 魏航.北京理工大学 2016
本文编号：3536148
【文章来源】：哈尔滨师范大学黑龙江省
【文章页数】：57 页
【学位级别】：硕士
【部分图文】：
研究区地理位置示意图
(d)Frost 滤波 (e)中值滤波 (f)均值滤波图 2-2 滤波后图像Figure 2-2 Filtered Image2.4 滤波后图像的质量评价对滤波后图像的质量进行评价，能够更加准确的表现出滤波算法对图像噪声的抑制效果。影像滤波后质量评价方法主要分为两类：主观评价和客观评价。主观评价主要是指通过人的眼睛对图像直接进行观察，从而对图像的质量进行判断。主观评价受环境、人主观观念、观察人的经验等影响较大，判别结果容易产生偏差。客观评价主要是指采用一些评价因子，通过算法对图像的质量进行评价，相较于主观评价，客观评价受环境等外在影响较小，能够更加清晰、准确、直观的对滤波后图像的质量进行评价。本文选取均值、方差、均方误差、均值保持指数、等效视数、边缘保持指数六个因子对滤波后图像质量进行评价。以 M、N 分别表示图像的长和宽，质量评价因子的具体计算公式如下：
图 3-1 阴影现象示意图Figure 3-1 Shadow Phenomenon Diagram缩像过程中，对有坡度的地物，例如山体等，雷达依时间顺序记录回波信号，导致在成像中山坡的象称为雷达的透视收缩。透视收缩通常会造成图型对其进行矫正。透视收缩现象示意图如图 3
【参考文献】：
期刊论文
[1]SAR图像纹理特征相关变化检测的震害建筑物提取[J]. 李强,张景发,龚丽霞,薛腾飞,蒋洪波. 遥感学报. 2018(S1)
[2]一种结合纹理特征的极化SAR图像SVM分类方法[J]. 沈璐,权亚楠,禹哲珠,马宏宇. 北京测绘. 2018(10)
[3]典型滨海湿地植被全极化SAR显著性特征分析与融合分类[J]. 万剑华,张乃心,任广波,刘善伟. 测绘地理信息. 2018(05)
[4]高分三号卫星及应用概况[J]. 刘杰,张庆君. 卫星应用. 2018(06)
[5]融合光学与雷达遥感数据的城市不透水面提取方法[J]. 张鸿生,林殷怡,王挺,宛罗马,李煜,林珲,张渊智. 地理与地理信息科学. 2018(03)
[6]基于SAR数据后向散射及光学图像纹理特征的橡胶林提取[J]. 李昔纯,岳彩荣,岳振兴,张国飞. 林业调查规划. 2018(02)
[7]基于Sentinel-1A卫星SAR数据的水体提取方法研究[J]. 李成绕,薛东剑,张露,苏璐璐. 地理空间信息. 2018(01)
[8]基于流形学习的SAR图像目标分类[J]. 彭易锦. 计算机与数字工程. 2017(12)
[9]高分三号卫星减灾行业应用能力分析[J]. 杨思全,李素菊,吴玮,崔燕,刘明. 航天器工程. 2017(06)
[10]基于流形学习的高分SAR图像建筑区提取方法[J]. 崔师爱,程博,刘岳明. 国土资源遥感. 2017(04)
博士论文
[1]SAR图像自动目标提取方法研究[D]. 宋文青.西安电子科技大学 2018
[2]基于多源遥感的沼泽湿地水文边界界定方法研究[D]. 付波霖.中国科学院大学(中国科学院东北地理与农业生态研究所) 2017
[3]极化SAR图像特征提取与分类方法研究[D]. 刘高峰.西安电子科技大学 2014
[4]基于高分辨率SAR影像提取建筑物高度的研究[D]. 刘康.武汉大学 2012
硕士论文
[1]基于流形结构的降维方法及在人脸识别中的应用[D]. 陈文河.东北电力大学 2018
[2]融合多源SAR影像的矿区变化检测应用研究[D]. 马骕.中国矿业大学 2018
[3]基于流形学习的高分辨率SAR影像城市地物特征提取方法研究[D]. 刘岳明.中国科学院大学(中国科学院遥感与数字地球研究所) 2017
[4]高分辨率SAR卫星影像洪水区域提取应用研究[D]. 陈志国.武汉大学 2017
[5]SAR图像目标特征提取与识别方法研究[D]. 孙永光.西安电子科技大学 2017
[6]基于流形学习的SAR目标识别[D]. 谢加美.电子科技大学 2017
[7]基于多分辨率分析的SAR图像和多光谱图像融合算法研究[D]. 何威.沈阳航空航天大学 2017
[8]高分辨率SAR图像水体提取算法研究[D]. 庞科臣.长沙理工大学 2016
[9]多源遥感图像水体信息提取方法的研究[D]. 魏航.北京理工大学 2016
本文编号：3536148
本文链接：https://www.wllwen.com/kejilunwen/dizhicehuilunwen/3536148.html
