基于分类的极化SAR图像中感兴趣类地物变化检测算法研究

发布时间：2017-03-26 06:07

  本文关键词：基于分类的极化SAR图像中感兴趣类地物变化检测算法研究，由笔耕文化传播整理发布。

【摘要】：合成孔径雷达(Synthetic Aperture Radar,SAR)因其全天时全天候的特点,已成为遥感领域获取信息的重要手段之一。随着多波段、多极化、全极化SAR的出现及发展,雷达获取到的目标散射信息也更为丰富。由此带来的优势是目标的散射机理可以更为有效的被提取出来,这也使极化SAR图像在目标分类、检测、识别等领域的应用愈来愈广泛。极化SAR图像变化检测作为极化SAR图像处理中一个重要的分支,在经济领域和民用领域都发挥着举足轻重的作用。如:地形变化的监测、洪涝灾害的预防、灾后搜救、城市变迁的检测与评估、农田监测和战场感知等。而这些应用大多针对某一感兴趣类地物进行变化检测,例如洪涝灾害的预防大多检测水体类的变化,城市变迁的检测与评估大多检测建筑群的变化,农田长势的监测大多检测农田的变化。而现实中,系统采集到的极化SAR数据往往包含较多类型的地物,在两次观测时间内,非感兴趣类的地物很有可能也发生了变化。因此如何利用复杂场景下的极化SAR数据实现某一感兴趣类地物的变化检测成为了本文研究的方向。本文针对复杂场景下感兴趣类地物的变化检测开展研究并给出了两种检测算法。(1)利用改进的Wishart距离算法得到感兴趣类地物样本与两时相极化SAR图像的极化距离测度,然后对该测度进行比值对数变换,构造差异图像,最后利用双阈值分割法提取出变化区域,并区分出两种变化类型。(2)利用h/q分解对两时相图像中每个像元进行初始分类,然后利用贝叶斯迭代聚类方法对两时相图像的初识分类模板重新分类,得到最终分类结果图;进而根据感兴趣类地物的极化散射特性和回波特性,从分类结果图中提取出符合该特性的像元,得到只含有感兴趣类像元的二值图;最后对两时相图像进行双差值运算,提取出两类变化区域。第一种算法需要利用感兴趣类地物的训练样本,是基于有监督分类的变化检测算法,该算法无需对图像进行初识分类,大大减少了计算量;第二种算法无需先验信息,是基于非监督分类的变化检测算法,该算法克服了训练样本对检测结果可能造成的影响,同时对两时相图像中感兴趣类地物的二值化提取取代了阈值分割算法,大大减少了阈值的设定对检测结果的影响。本文利用Radarsat-2获取的两组数据进行试验。实验结果表明,两种算法都能够较好的实现复杂场景下感兴趣类地物的变化检测。
【关键词】：极化合成孔径雷达图像 变化检测 极化距离 h/q分解 贝叶斯迭代
【学位授予单位】：中国民航大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TN957.52
【目录】：

• 摘要6-7
• Abstract7-11
• 第一章 绪论11-17
• 1.1 研究背景及意义11-12
• 1.2 国内外研究现状12-14
• 1.3 论文的主要内容及结构安排14-17
• 第二章 极化SAR基础理论17-33
• 2.1 前序17
• 2.2 电磁矢量散射算子17-23
• 2.2.1 电磁波极化及其表征17-20
• 2.2.2 极化散射矩阵20
• 2.2.3 极化Mueller矩阵和Kennaugh矩阵20-21
• 2.2.4 相干矩阵T和协方差矩阵C21-23
• 2.3 极化目标分解23-28
• 2.3.1 基于特征矢量的目标极化分解23-24
• 2.3.2 基于特征矢量的目标极化分解24-27
• 2.3.3 相干分解27-28
• 2.4 本文实验数据简介28-32
• 2.5 本章小结32-33
• 第三章 基于极化距离变换的极化SAR图像变化检测33-48
• 3.1 前序33
• 3.2 Wishart距离33-35
• 3.3 极化距离测度35-36
• 3.4 算法原理及流程36-38
• 3.5 实验结果及分析38-46
• 3.6 本章小结46-48
• 第四章 基于h/q分解与迭代聚类的极化SAR图像变化检测48-60
• 4.1 前序48
• 4.2 基于散射机理的非监督分类48-49
• 4.3 h/q分解理论49-51
• 4.4 算法原理及流程51-53
• 4.5 实验结果及分析53-59
• 4.6 本章小结59-60
• 第五章 总结与展望60-62
• 5.1 本文工作总结60-61
• 5.2 未来工作展望61-62
• 参考文献62-66
• 致谢66-67
• 攻读硕士期间发表论文67

  本文关键词：基于分类的极化SAR图像中感兴趣类地物变化检测算法研究，由笔耕文化传播整理发布。

，

本文编号：268365