多波段多極化SAR圖像融合解譯研究.pdf

1、合成孔徑雷達(SAR)具有全天候、全天時以及穿透能力強等特點,在軍事和民用領(lǐng)域均有著廣泛的應(yīng)用。然而,SAR成像信息不僅與地物類型有關(guān),也與雷達觀測角、地物復(fù)介電常數(shù)、雷達發(fā)射波的波長、極化方式等因素有關(guān),使得單個波段單種極化方式下的SAR系統(tǒng)獲取的信息非常有限,隨著相關(guān)硬件技術(shù)的突破,SAR系統(tǒng)可以獲取多個波段和極化方式下對同一場景的觀測信息,多源SAR圖像信息的融合應(yīng)用得到越來越多的關(guān)注。地物分類和目標檢測是SAR圖像解譯的兩個典型

2、應(yīng)用,在“十一五”預(yù)研項目的支持下,本文重點研究了如何利用多源SAR圖像信息來提高地物分類率和目標檢測精度,主要內(nèi)容如下:
　　 1.高分辨率全極化SAR圖像背景雜波建模與參數(shù)估計,SAR圖像雜波背景建模是SAR圖像處理分析的基礎(chǔ),在目前已有的極化SAR統(tǒng)計模型中,G0p分布能夠較好的對復(fù)雜場景建模,然而G0p分布參數(shù)估計并沒有得到很好的解決,針對這一問題,本文提出了基于對數(shù)累積量的參數(shù)估計方法,對實測數(shù)據(jù)的擬合實驗表明,該方法

3、無論在擬合速度和擬合精度上相比已有的最大似然估計和矩估計方法都有所提高,改進的雜波分布將用在后續(xù)的SAR圖像地物分類和目標檢測中。
　　 2.多波段SAR地物分類與決策融合,不同波段數(shù)據(jù)具有不同的極化方式,需要使用不同的分類算法,對單極化數(shù)據(jù)的分類,本文使用應(yīng)用廣泛的SVM方法,對于全極化數(shù)據(jù)的分類,在對最具代表性的Lee方法深入分析的基礎(chǔ)上提出了一種改進的全極化SAR圖像分類算法,由于該方法引入了螺旋散射和更好的雜波模型,因此

4、在一些復(fù)雜場景中取得了比Lee方法更好的分類效果。利用改進的算法實現(xiàn)了不同波段數(shù)據(jù)的分類,實驗結(jié)果表明不同波段數(shù)據(jù)在區(qū)分不同地物類型上存在一定的互補性,因此在Dempster-Shafer證據(jù)理論的框架下,進一步實現(xiàn)了不同波段數(shù)據(jù)的分類決策級融合,結(jié)果證實多個波段信息的融合可以獲得比單個波段更好的分類效果。在對分類結(jié)果進行評價時,因為真實的專題制圖信息難以獲取,本文以容易獲取的Google earth影像為參考,由于使用了整個場景的樣本

5、數(shù)據(jù),所以比傳統(tǒng)的人工選擇測試樣本的方法更客觀,更準確。
　　 3.偽裝網(wǎng)遮蔽車輛檢測與決策融合,本文在課題的支持下,在國內(nèi)率先開展了偽裝網(wǎng)遮蔽車輛檢測試驗,對不同波段極化方式下的遮蔽車輛散射功率進行了深入對比研究,發(fā)現(xiàn)入射波越長,目標散射功率越強,在同一波段的不同極化中,交叉極化下的目標成像效果好于同極化。恒虛警檢測算法(CFAR)是目前最有可能實用的一類方法,在該算法中,背景雜波統(tǒng)計模型是決定算法性能的關(guān)鍵因素,結(jié)合前面改進

6、的雜波模型對全局CFAR算法做了改進,利用改進算法分別實現(xiàn)了有偽裝網(wǎng)和無偽裝網(wǎng)時不同波段和極化方式下的車輛檢測,并對檢測結(jié)果進行基于Neyman-Pearson準則的決策級融合。實驗表明偽裝網(wǎng)能夠起到一定的遮蔽效果,降低目標檢測率,不同波段和極化檢測結(jié)果的決策級融合可以提高目標檢測率,降低虛警率,提升綜合檢測性能,而且有網(wǎng)時的檢測性能提升要高于無網(wǎng),這意味著偽裝網(wǎng)情況下進行多波段多極化SAR檢測融合更有必要。
　　 4.機場環(huán)境