SAR圖像特征數(shù)據(jù)提取與SAR圖像分割研究.pdf

1、隨著合成孔徑雷達（SAR：Synthenic Aperture Radar）圖像的信息越來越多，怎么樣更好的利用合成孔徑雷達所提供的圖像信息以及新的技術(shù)理論，來實現(xiàn)合成孔徑雷達圖像特征準確提取以及精確解譯，是合成孔徑雷達圖像在軍事目標跟蹤和識別上的瓶頸問題。合成孔徑雷達圖像具有很多不同于普通光學(xué)圖像的特征：比如較大的動態(tài)范圍、嚴重的斑噪聲以及豐富的紋理信息等。由于分形特征在合成孔徑雷達圖像的處理中具有描述紋理粗糙度、抗斑噪聲能力以及與人

2、的視覺感知相一致等特點，所以分形理論依靠自身獨特的描述圖像方式，為合成孔徑雷達圖像處理開辟了新的途徑。形特征中的分形維數(shù)(Fractal Dimension，F(xiàn)D)，是描述圖像分形特征中非常有用的工具，根據(jù)差分盒維數(shù)中空盒子的影響，我們用概率的計算方法提出一種基于分形布朗模型的真實差分盒維數(shù)算法，在最大的程度上減少了空盒子對分形維數(shù)計算所產(chǎn)生的影響。通過研究灰度的空間相關(guān)特性來描述紋理的一種常用的方法，就叫灰度共生矩陣，同時也是我們怎樣

3、利用好紋理信息在合成孔徑雷達圖像處理上的重要方面。
　　本文以大量實驗分析了影響合成孔徑雷達圖像灰度共生矩陣（GLCM）的距離、窗口大小等因素，確立了提取合成孔徑雷達圖像灰度共生矩陣特征的因素的大小，并針對過大窗口提取較小分辨率合成孔徑雷達圖像時造成圖像信息損失的缺點，設(shè)計了一種利用動態(tài)滑動窗口提取灰度共生矩陣特征，有效的減少了信息損失的缺點情況發(fā)生。根據(jù)光學(xué)的圖像分割方法在處理合成孔徑雷達圖像時往往得不到很好的結(jié)果。提取合成孔徑