高分辨率SAR图像分割与分类方法研究

发布时间：2020-07-23 21:42

【摘要】：合成孔径雷达(Synthetic aperture radar,SAR)由于具有不受光照和气候条件影响的成像能力,已经成为一种重要的遥感对地观测手段。SAR图像分割与分类是SAR图像处理与解译的基础问题,也是SAR技术走向实际应用的关键环节之一,具有重要的研究意义。SAR成像技术发展的一个重要趋势是空间分辨率的提高。高分辨率SAR图像可以提供更为丰富的地面信息,但是也为SAR图像分割与分类提出了新的问题。相比于中低分辨率SAR图像,高分辨率SAR图像呈现出统计特性改变、纹理特征突出、场景复杂、数据量大等特点,使得适用于中低分辨率SAR图像的分割与分类算法难以满足高分辨率SAR图像处理的应用需求。本文针对上述问题,在总结和分析现有方法的基础上,以准确描述高分辨率SAR图像特性和充分利用SAR图像信息为出发点,提出了多种适用于高分辨率SAR图像的分割与分类方法。论文的主要工作和贡献包括以下几个方面:1.在总结现有SAR图像分割与分类理论和方法的基础上,结合高分辨率SAR图像特性,分析了现有分割与分类方法应用于高分辨率SAR图像时存在的问题。2.研究了高分辨率SAR图像统计建模理论及参数估计方法,基于G0统计模型建立了适用于高分辨率SAR图像分割的能量函数模型,提出了基于G0分布和水平集方法的SAR图像变分分割方法。在此基础上,进一步研究了基于凸松弛与凸优化的能量函数优化方案,研究并实现了基于G0分布和分裂Bregman算法的SAR图像分割方法,可以有效提高SAR图像分割效率。3.针对高分辨率SAR图像纹理信息丰富、场景复杂的特点,提出一种结合鉴别学习理论的变分分割方法。该方法建立了一种新的变分分割模型,能够结合鉴别学习获得的特征分布信息与先验约束信息。基于所提变分模型,提出并实现了基于形态学纹理特征的高分辨率SAR图像分割方法。实验表明,本文方法可以有效利用高维SAR图像特征中包含的鉴别信息,提高高分辨率及复杂场景SAR图像的分割准确度。4.针对基于像素点的SAR图像分类方法容易受噪声及杂波干扰的问题,研究了基于超像素的高分辨率SAR图像分类方法。首先,针对SAR图像中超像素生成问题,提出了一种基于统计模型和强度均值比的超像素生成方法,并通过实验验证了该方法对于SAR图像的适用性。在提取的超像素基础上,研究了SAR图像超像素特征提取方法,提出了一种基于超像素稀疏编码特征提取的SAR图像分类方法,基于真实高分辨率SAR图像的分类实验验证了该方法的优点。5.针对高分辨率极化SAR(Polarimetric Synthetic Aperture Radar,PolSAR)图像分类问题,提出了结合极化信息与空间信息的PolSAR图像分类方法。该方法通过集合多种极化特征构建高维特征空间,然后基于稀疏表示分类理论对极化SAR图像进行分类。为了有效利用PolSAR图像空间信息,将稀疏表示分类理论与超像素相结合,提出了两种不同的PolSAR图像分类方案。本文所提方法不仅能够有效地提高高分辨率PolSAR图像分类准确率,同时也扩展了基于稀疏表示的分类理论与方法。总之,本文围绕高分辨率SAR图像分割与分类问题展开了一系列研究,丰富了SAR图像分割与分类理论,可以为高分辨率条件下SAR图像信息获取与解译提供有效方法。
【学位授予单位】：电子科技大学
【学位级别】：博士
【学位授予年份】：2015
【分类号】：TN957.52

【相似文献】

相关期刊论文 前10条

1 唐伟力;龙建忠;;一种基于降雨模型的图像分割方法在砾岩图像分割中的应用[J];成都信息工程学院学报;2007年02期

2 黄晓莉;曾黄麟;王秀碧;刘永春;;基于脉冲耦合神经网络的图像分割[J];信息技术;2008年09期

3 肖飞;綦星光;;图像分割方法综述[J];可编程控制器与工厂自动化;2009年11期

4 汪一休;;一种交互式图像分割的修正优化方法[J];中国科学技术大学学报;2010年02期

5 李丹;;图像分割方法及其应用研究[J];科技信息;2010年36期

6 龚永义;黄辉;于继明;关履泰;;基于熵的两区域图像分割[J];中国图象图形学报;2011年05期

7 张甫;李兴来;陈佳君;;浅谈图像分割方法的研究运用[J];科技创新与应用;2012年04期

8 汪梅;何高明;贺杰;;常见图像分割的技术分析与比较[J];计算机光盘软件与应用;2013年06期

9 魏庆;卢照敢;邵超;;基于复杂性指数的图像分割必要性判别技术[J];计算机工程与应用;2013年16期

10 陈晓丹;李思明;;图像分割研究进展[J];现代计算机(专业版);2013年33期

相关会议论文 前10条

1 杨魁;赵志刚;;图像分割技术综述[A];2008年中国高校通信类院系学术研讨会论文集（下册）[C];2009年

2 杨暄;郭成安;李建华;;改进的脉冲耦合神经网络及其在图像分割中的应用[A];第十届全国信号处理学术年会（CCSP-2001）论文集[C];2001年

3 杨生友;;图像分割在医学图像中应用现状综述[A];2009中华医学会影像技术分会第十七次全国学术大会论文集[C];2009年

4 闫平昆;;基于模型的图像分割技术及其医学应用[A];第十五届全国图象图形学学术会议论文集[C];2010年

5 高岚;胡友为;潘峰;卢凌;;基于小生境遗传算法的SAR图像分割[A];可持续发展的中国交通——2005全国博士生学术论坛（交通运输工程学科）论文集（下册）[C];2005年

6 孙莉;张艳宁;胡伏原;赵荣椿;;基于Gaussian-Hermite矩的SAR图像分割[A];第十三届全国图象图形学学术会议论文集[C];2006年

7 李盛;;基于协同聚类的图像分割[A];第十四届全国图象图形学学术会议论文集[C];2008年

8 张利;许家佗;;舌象图像分割技术的研究与应用进展[A];中华中医药学会中医诊断学分会第十次学术研讨会论文集[C];2009年

9 秦昆;李振宇;李辉;李德毅;;基于云模型和格网划分的图像分割方法[A];《测绘通报》测绘科学前沿技术论坛摘要集[C];2008年

10 高惠琳;窦丽华;陈文颉;谢刚;;图像分割技术在医学CT中的应用[A];中国自动化学会控制理论专业委员会A卷[C];2011年

相关博士学位论文 前10条

1 白雪飞;基于视觉显著性的图像分割方法研究[D];山西大学;2014年

2 黄万里;基于高分卫星数据多尺度图像分割方法的天山森林小班边界提取研究[D];福建师范大学;2015年

3 王辉;图像分割的最优化和水平集方法研究[D];电子科技大学;2014年

4 高婧婧;脑部MR图像分割理论研究[D];电子科技大学;2014年

5 潘改;偏微分方程在图像分割中的应用研究[D];东北大学;2013年

6 冯籍澜;高分辨率SAR图像分割与分类方法研究[D];电子科技大学;2015年

7 侯叶;基于图论的图像分割技术研究[D];西安电子科技大学;2011年

8 裴继红;基于模糊信息处理的图像分割方法研究[D];西安电子科技大学;1998年

9 张运杰;基于模糊系统理论的图像分割技术研究[D];大连海事大学;2007年

10 张玲;基于模糊理论及其扩展的图像分割研究及应用[D];山东大学;2012年

相关硕士学位论文 前10条

1 王聪聪;手机上的交互式图像分割方法研究[D];华中科技大学;2013年

2 廖小波;基于贝叶斯最优统计的图切法图像分割研究[D];昆明理工大学;2015年

3 姜士辉;基于Android系统的立木图像分割方法研究[D];东北林业大学;2015年

4 路亚缇;基于粒子群优化算法的最大熵多阈值图像分割研究[D];郑州大学;2015年

5 刘超;基于阈值图像分割的研究及在苹果定位中的应用[D];东华理工大学;2015年

6 何妮;结合显著性目标检测与图像分割的服饰提取算法研究及实现[D];西南交通大学;2015年

7 刘晓磊;基于MRF随机场模型的机器人视觉图像分割方法研究[D];西安建筑科技大学;2015年

8 王周楠;数字图像处理的研究仿真[D];中国地质大学(北京);2015年

9 许素素;改进的模糊C均值聚类算法在图像分割中的应用[D];长安大学;2015年

10 齐国红;基于FCM和SVM相结合的作物病害图像分割方法研究[D];郑州大学;2015年

本文编号：2767877