基于散射特性的极化SAR图像机场跑道区域检测
发布时间：2022-10-03 17:04
极化合成孔径雷达（Polarimetric Synthetic Aperture Radar,PolSAR）是一种观测地物的成像系统,也被称为综合孔径雷达。它的工作原理是通过雷达系统与目标的相对运动将真实的天线孔径数据合成等效的大尺寸天线孔径,然后进行目标监测,可以实现在能见度极低的气象环境下获取高分辨的雷达图像。相对于其它光学成像系统,极化合成孔径雷达具有高分辨率,较强的伪装识别能力,穿透力强等优势,它可以避免受到云雨,尘雾,光照等各种天气条件的影响,从而完成对目标进行全天候全天时的监测。在国家重要的航空基础设施中,机场作为承载着飞机起降,定位,维护等关键任务的典型设施,在军事、民用等各个领域上都具有极其重要的战略意义。跑道作为机场的核心设施,是机场检测中最具参考性的特征,可以通过检测跑道从而实现对机场的检测。本论文通过对极化SAR图像散射特性的研究,提出了两种算法来实现在极化SAR图像下的机场跑道区域检测。第一种算法提出了一种基于差异度的极化SAR图像机场跑道区域检测方法。算法中首先采用了SLIC（Simple linear Iterative Clustering）即简单线性迭代...
【文章页数】：63 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第一章 绪论
1.1 课题研究背景和意义
1.2 课题研究现状
1.2.1 机场跑道区域检测研究现状
1.2.2 SAR图像机场跑道区域检测研究现状
1.3 本文结构安排
第二章 极化SAR的基础理论知识
2.1 引言
2.2 极化SAR数据的表征方式
2.2.1 Jones矢量
2.2.2 极化散射矩阵
2.2.3 极化相干矩阵
2.2.4 极化协方差矩阵
2.3 基于散射体的散射机制
2.3.1 表面散射
2.3.2 漫散射
2.3.3 偶次散射
2.3.4 体散射
2.4 基于散射特性的目标分解理论
2.4.1 Freeman分解
2.4.2 新三分量分解
2.4.3 Cloude分解
2.4.4 H/α分解
2.5 本章小结
第三章 基于差异度迭代的极化 SAR 图像机场跑道检测算法
3.1 引言
3.2 机场跑道的散射特性及结构特性
3.3 超像素
3.4 改进的K均值聚类
3.5 差异度
3.6 基于差异度迭代的极化SAR图像机场跑道区域检测算法
3.6.1 算法描述
3.6.2 算法具体实现
3.6.3 实验结果及分析
3.7 本章小结
第四章 基于阈值分割的极化SAR图像机场跑道区域检测
4.1 引言
4.2 异化散射功率~(Dspan)
4.3 LBP特征
4.4 基于阈值分割的极化SAR图像机场跑道区域检测
4.4.1 算法描述
4.4.2 具体算法实现
4.4.3 实验结果与分析
4.5 本章小结
第五章 总结与展望
5.1 本文工作总结
5.2 工作展望
致谢
参考文献
硕士研究生期间发表论文
【参考文献】：
期刊论文
[1]自适应无监督分类的PolSAR图像机场跑道区域快速检测[J]. 卢晓光,蔺泽山,韩萍,邹璨. 遥感学报. 2019(06)
[2]基于分块LBP融合特征和SVM的人脸识别算法[J]. 张敦凤,高宁化,王姮,冯兴华,霍建文,张静. 传感器与微系统. 2019(05)
[3]多特征分类的PolSAR图像飞机目标检测[J]. 卢晓光,周波,韩萍,韩宾宾. 信号处理. 2019(04)
[4]基于最优k均值聚类的时空动态背景模型[J]. 舒浩浩,陈盛双,李石君. 小型微型计算机系统. 2019(02)
[5]遥感图像中的机场跑道检测算法[J]. 艾淑芳,闫钧华,李大雷,许俊峰,沈静. 电光与控制. 2017(02)
[6]基于h/q分解和贝叶斯迭代分类的跑道检测算法[J]. 韩萍,常玲,程争,石庆研. 系统工程与电子技术. 2016(09)
[7]基于改进RHT的SAR图像机场区域提取算法[J]. 乔寅骐,肖健华,黄银和,尹奎英. 电子测量技术. 2016(02)
[8]超像素极化合成孔径雷达影像谱聚类算法研究[J]. 崔鸣,余洁,王彦兵,谢东海. 测绘科学. 2015(03)
[9]大场景下的极化SAR机场检测[J]. 晋瑞锦,周伟,杨健. 清华大学学报(自然科学版). 2014(12)
[10]基于多级分类的PolSAR图像机场跑道检测[J]. 韩萍,徐建飒,赵爱军. 系统工程与电子技术. 2014(05)
博士论文
[1]基于极化SAR的目标极化分解与散射特征提取研究[D]. 安文韬.清华大学 2010
[2]雷达极化中若干理论问题研究[D]. 陈强.国防科学技术大学 2010
硕士论文
[1]基于随机森林的极化SAR图像机场跑道检测[D]. 邹璨.中国民航大学 2019
[2]基于纹理和结构分析的机场目标检测方法[D]. 管凌霄.解放军信息工程大学 2015
[3]无监督极化SAR图像分类研究[D]. 闻世保.西安电子科技大学 2014
[4]基于谱聚类的极化SAR图像分类研究[D]. 郭卫英.西安电子科技大学 2013
[5]极化SAR图像中的机场和飞机目标检测[D]. 潘诚.复旦大学 2012
[6]多极化合成孔径雷达图像目标检测研究[D]. 韩昭颖.中国科学院研究生院（电子学研究所） 2005
本文编号：3684472
【文章页数】：63 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第一章 绪论
1.1 课题研究背景和意义
1.2 课题研究现状
1.2.1 机场跑道区域检测研究现状
1.2.2 SAR图像机场跑道区域检测研究现状
1.3 本文结构安排
第二章 极化SAR的基础理论知识
2.1 引言
2.2 极化SAR数据的表征方式
2.2.1 Jones矢量
2.2.2 极化散射矩阵
2.2.3 极化相干矩阵
2.2.4 极化协方差矩阵
2.3 基于散射体的散射机制
2.3.1 表面散射
2.3.2 漫散射
2.3.3 偶次散射
2.3.4 体散射
2.4 基于散射特性的目标分解理论
2.4.1 Freeman分解
2.4.2 新三分量分解
2.4.3 Cloude分解
2.4.4 H/α分解
2.5 本章小结
第三章 基于差异度迭代的极化 SAR 图像机场跑道检测算法
3.1 引言
3.2 机场跑道的散射特性及结构特性
3.3 超像素
3.4 改进的K均值聚类
3.5 差异度
3.6 基于差异度迭代的极化SAR图像机场跑道区域检测算法
3.6.1 算法描述
3.6.2 算法具体实现
3.6.3 实验结果及分析
3.7 本章小结
第四章 基于阈值分割的极化SAR图像机场跑道区域检测
4.1 引言
4.2 异化散射功率~(Dspan)
4.3 LBP特征
4.4 基于阈值分割的极化SAR图像机场跑道区域检测
4.4.1 算法描述
4.4.2 具体算法实现
4.4.3 实验结果与分析
4.5 本章小结
第五章 总结与展望
5.1 本文工作总结
5.2 工作展望
致谢
参考文献
硕士研究生期间发表论文
【参考文献】：
期刊论文
[1]自适应无监督分类的PolSAR图像机场跑道区域快速检测[J]. 卢晓光,蔺泽山,韩萍,邹璨. 遥感学报. 2019(06)
[2]基于分块LBP融合特征和SVM的人脸识别算法[J]. 张敦凤,高宁化,王姮,冯兴华,霍建文,张静. 传感器与微系统. 2019(05)
[3]多特征分类的PolSAR图像飞机目标检测[J]. 卢晓光,周波,韩萍,韩宾宾. 信号处理. 2019(04)
[4]基于最优k均值聚类的时空动态背景模型[J]. 舒浩浩,陈盛双,李石君. 小型微型计算机系统. 2019(02)
[5]遥感图像中的机场跑道检测算法[J]. 艾淑芳,闫钧华,李大雷,许俊峰,沈静. 电光与控制. 2017(02)
[6]基于h/q分解和贝叶斯迭代分类的跑道检测算法[J]. 韩萍,常玲,程争,石庆研. 系统工程与电子技术. 2016(09)
[7]基于改进RHT的SAR图像机场区域提取算法[J]. 乔寅骐,肖健华,黄银和,尹奎英. 电子测量技术. 2016(02)
[8]超像素极化合成孔径雷达影像谱聚类算法研究[J]. 崔鸣,余洁,王彦兵,谢东海. 测绘科学. 2015(03)
[9]大场景下的极化SAR机场检测[J]. 晋瑞锦,周伟,杨健. 清华大学学报(自然科学版). 2014(12)
[10]基于多级分类的PolSAR图像机场跑道检测[J]. 韩萍,徐建飒,赵爱军. 系统工程与电子技术. 2014(05)
博士论文
[1]基于极化SAR的目标极化分解与散射特征提取研究[D]. 安文韬.清华大学 2010
[2]雷达极化中若干理论问题研究[D]. 陈强.国防科学技术大学 2010
硕士论文
[1]基于随机森林的极化SAR图像机场跑道检测[D]. 邹璨.中国民航大学 2019
[2]基于纹理和结构分析的机场目标检测方法[D]. 管凌霄.解放军信息工程大学 2015
[3]无监督极化SAR图像分类研究[D]. 闻世保.西安电子科技大学 2014
[4]基于谱聚类的极化SAR图像分类研究[D]. 郭卫英.西安电子科技大学 2013
[5]极化SAR图像中的机场和飞机目标检测[D]. 潘诚.复旦大学 2012
[6]多极化合成孔径雷达图像目标检测研究[D]. 韩昭颖.中国科学院研究生院（电子学研究所） 2005
本文编号：3684472
本文链接：https://www.wllwen.com/shoufeilunwen/xixikjs/3684472.html
