SAR圖像降噪與極化SAR圖像監(jiān)督分類研究.pdf

1、作為SAR數(shù)據(jù)解譯的一個重點研究方向，極化SAR圖像分類具有重要的研究意義和實用價值。本文以高分辨率極化SAR遙感圖像為實驗對象，深入研究了SAR圖像降噪技術(shù)和極化SAR圖像監(jiān)督分類技術(shù)。針對經(jīng)典降噪算法自適應性較差的特點，引入了非局部均值濾波算法，并將之改進用于SAR圖像濾波。對于以像素點為分類單元的經(jīng)典分類算法的不足，本文采用空間金字塔分類方法，加入像素點周圍的極化信息和紋理信息進行分類，并對特征編碼部分做出了改進。在 L波段的AI

2、RSAR極化數(shù)據(jù)實驗中，達到了預期的分類效果。論文的主要工作如下：
　　在SAR圖像降噪技術(shù)的研究中，本文采用了非局部均值濾波算法。針對SAR圖像噪聲的特點，引入預選擇和二維主成分分析（2DPCA）對其進行改進，大幅提高了圖像質(zhì)量，并且克服了傳統(tǒng)降噪算法自適應性差的缺點。將本算法應用到仿真SAR圖像和閻良地區(qū)SAR圖像降噪處理中，驗證了算法的有效性。實驗最后對算法復雜度進行了分析。
　　本文著重對空間金字塔分類算法進行了研究

3、，闡述了BoF算法和金字塔匹配核的基本理論，以及空間金字塔匹配在分類中實現(xiàn)的基本步驟。針對矢量量化在特征編碼和算法效率方面的不足，將稀疏編碼算法引入空間金字塔模型，降低了分類器訓練時間。對幾種經(jīng)典的稀疏優(yōu)化算法和學習字典訓練方法進行實現(xiàn)，并給出了它們的具體步驟。在舊金山地區(qū)的極化SAR數(shù)據(jù)上，將稀疏編碼算法與空間金字塔結(jié)合用于分類，對比分析了MOD字典和K-SVD字典對分類結(jié)果的影響，驗證了K-SVD字典的快速有效性。
　　對于稀

4、疏編碼規(guī)則在分類中存在的一些問題，研究了局部線性約束（LLC）優(yōu)化編碼算法在金字塔分類中的應用，并給出本文算法的整體實現(xiàn)步驟。提取了二十種常用極化特征，對它們進行稀疏表達用于分類研究。在荷蘭Flevoland的極化數(shù)據(jù)上，分別使用了正交匹配追蹤（OMP）和LLC優(yōu)化編碼算法，將所得特征代入空間金字塔結(jié)構(gòu)中進行分類實驗。通過分析該地區(qū)八種地物的分類正確率，與多特征SVM分類結(jié)果進行對比，證明了稀疏編碼金字塔在分類中的有效性；與基于OMP編