雷達(dá)圖像 處理

1、與光學(xué)圖像相比，SAR圖像視覺(jué)可讀性較差，并且受到相干斑噪聲及陰影、透視收縮、迎坡縮短、頂?shù)椎怪玫葞缀翁卣鞯挠绊憽Ｒ虼藢?duì)SAR雷達(dá)圖像的圖像增強(qiáng)與邊緣檢測(cè)將有別于一般的光學(xué)圖像。首先，圖像增強(qiáng)技術(shù)是指按特定的需要突出一幅圖像中的某些信息，同時(shí)削弱或去除某些不需要的信息，它是一種將原來(lái)不清晰的圖像變得清晰或強(qiáng)調(diào)某些感興趣的特征，抑制不感興趣的特征，使之改善圖像質(zhì)量，豐富信息量，加強(qiáng)圖像判讀和識(shí)別效果的圖像處理方法。從純技術(shù)上講，圖像技術(shù)分

2、為頻域處理法和空域處理法?？沼驁D像增強(qiáng)是直接對(duì)圖像中的像素進(jìn)行處理，基本上是以灰度影射變化為基礎(chǔ)的，所用的影射變換取決于增強(qiáng)的目的。具體來(lái)說(shuō)，空域法包括點(diǎn)運(yùn)算和模板處理，其中點(diǎn)運(yùn)算時(shí)針對(duì)每個(gè)像素點(diǎn)進(jìn)行處理的，與周?chē)南袼攸c(diǎn)無(wú)關(guān)。空域增強(qiáng)方法大致分為3種，它們分別是用于擴(kuò)展對(duì)比度的灰度變換、清除噪聲的各種平滑方法和增強(qiáng)邊緣的各種銳化技術(shù)?；叶茸儞Q主要利用點(diǎn)運(yùn)算來(lái)修改圖像像素的灰度，是一種基于圖像變換的操作；而平滑和銳化都是利用模板來(lái)修改像

3、素灰度，是基于圖像濾波的操作。頻域處理法的基礎(chǔ)是卷積定理。傳統(tǒng)的頻域法是將需要增強(qiáng)的圖像進(jìn)行傅里葉變換或者離散余弦變換，或者是小波變換，然后將其與一個(gè)轉(zhuǎn)移函數(shù)相乘，再將結(jié)果進(jìn)行反變換得到增強(qiáng)的圖像。在空域圖像增強(qiáng)中，形態(tài)學(xué)的基本思想是使用具有一定形態(tài)的結(jié)構(gòu)元素度量和提取圖像中的對(duì)應(yīng)形狀，從而達(dá)到圖像進(jìn)行分析和識(shí)別的目的，利用不同的數(shù)學(xué)形態(tài)學(xué)變換濾波方法在對(duì)SAR圖像直接進(jìn)行平滑濾波的應(yīng)用中取得較好的結(jié)果。算法簡(jiǎn)單，物理意義明顯。形態(tài)學(xué)的

4、基本思想是使用具有一定形態(tài)的結(jié)構(gòu)元素度量和提取圖像中的對(duì)應(yīng)形狀，從而達(dá)到圖像進(jìn)行分析和識(shí)別的目的。由于形態(tài)學(xué)算子實(shí)質(zhì)上是表達(dá)物體或形狀的集合與結(jié)構(gòu)元素之間的相互作用，結(jié)構(gòu)元素的形態(tài)就決定了這種運(yùn)算所提取的信號(hào)的形態(tài)信息。因此數(shù)學(xué)形態(tài)學(xué)對(duì)信號(hào)的處理具有直觀上的簡(jiǎn)單性和數(shù)學(xué)上的嚴(yán)謹(jǐn)性，在描述信號(hào)形態(tài)特征上具有獨(dú)特的優(yōu)勢(shì)。同時(shí)，形態(tài)學(xué)中的形態(tài)濾波器可借助于先驗(yàn)的幾何特征信息，利用形態(tài)學(xué)算子有效地濾除噪聲，又保留圖像中的原有信息。因此在圖像平滑

5、濾波、分割、識(shí)別、形狀描述等方面得到了廣泛的應(yīng)用，它最顯著的特點(diǎn)是直接處理圖像表面的幾何形狀，具有快速、健壯和精確的特性。本文將開(kāi)運(yùn)算和閉運(yùn)算的另外一種組合方法——交替順序?yàn)V波運(yùn)用到sAR圖像增強(qiáng)處理中。它是用一系列不斷增大的結(jié)構(gòu)元素來(lái)執(zhí)行開(kāi)閉濾波。具體過(guò)程如下：本文開(kāi)始使用的是一個(gè)22較小的結(jié)構(gòu)元素，然后增加其大小，直到其大小與獲得單個(gè)開(kāi)閉濾波器最佳效果所用的33結(jié)構(gòu)元素的大小相同為止。在頻域圖像增強(qiáng)中，小波變換的時(shí)域與頻域是具有多分

6、辨率的時(shí)頻分析方法，我們可以利用它的這個(gè)特性來(lái)對(duì)信號(hào)做高通濾波和低通濾波，得到原始信號(hào)的逼近信號(hào)和細(xì)節(jié)信號(hào)。對(duì)一幅圖像sar進(jìn)行基于小波變換的增強(qiáng)處理，主要步驟：1、對(duì)圖像用mallat快速算法進(jìn)行小波分解；2、選取增強(qiáng)系數(shù)；3、對(duì)處理后的小波系數(shù)進(jìn)行小波逆變換，得到增強(qiáng)圖像。多尺度積用于圖像邊緣檢測(cè)。但小波變換各向同性的性質(zhì)導(dǎo)致方向選擇性差，不能有效地捕捉輪廓信息。其次圖像邊緣檢測(cè)邊緣的種類(lèi)分為兩種，一種為階躍性邊緣，它兩邊的像素的灰

7、度值有著顯著的不同；另一種成為屋頂狀邊緣，它位于灰度值從增加到減少的變化轉(zhuǎn)折點(diǎn)。邊緣特征提取的常用方法有Sobel算子和Cannny算子，其中canny算子對(duì)高斯加性噪聲有一定的抑制作用，提取的邊緣方向和位置信息比較準(zhǔn)確，但是SAR的噪聲為Gamma分布的乘它考慮到基于像素級(jí)融合的計(jì)算代價(jià)及可能存在的初始分。害U，對(duì)圖像建立四分樹(shù)或金字塔結(jié)構(gòu)，從其中的某一層開(kāi)始，利用相似性準(zhǔn)則，滿(mǎn)足相似性準(zhǔn)則的相鄰塊加以合并，對(duì)應(yīng)該進(jìn)一步劃分的塊進(jìn)行切

8、分。選擇不同的相似性準(zhǔn)則可以獲得不同的分割結(jié)果。現(xiàn)有的SAR圖像分割算法有應(yīng)用數(shù)據(jù)挖掘的海冰分割算法；非監(jiān)督的基于播送分布的分割算法；優(yōu)化的邊緣檢測(cè)分割算法；最大似然區(qū)域增長(zhǎng)分割算法和模擬退火分割算法的組合算法；應(yīng)用不完全分層馬爾科夫隨機(jī)場(chǎng)圖像模型對(duì)SAR圖像進(jìn)行分割的算法等，這些算法有的是有針對(duì)性的，有的是基于幾何條件的，紋理分割是基于特征的。描述紋理的特征很多，但目前還沒(méi)有提出一種紋理特征可以描述所有紋理。實(shí)際中針對(duì)不同的應(yīng)用尋找合

9、適的某紋理的特征，由此得到滿(mǎn)意的分割時(shí)切實(shí)可行的。；分型模型使用范圍較小，只在個(gè)別分辨率下有分割紋理的能力，分?jǐn)?shù)維門(mén)限值確定困難，分割精度差?；陔S機(jī)場(chǎng)的模型對(duì)大尺寸、灰度較多的圖像分割計(jì)算量是很大的；多分辨率小波的紋理特征具有先天的缺點(diǎn)（逐點(diǎn)采樣造成的紋理信息不全），很難得到穩(wěn)定的紋理特征，并且計(jì)算量較大；結(jié)構(gòu)法僅適合規(guī)則紋理。圖像閾值分割本質(zhì)上是利用閾值將圖像中不同區(qū)域內(nèi)像素間的相關(guān)性，而非各區(qū)域的邊緣。相對(duì)于二維直方圖，閾值分割技

10、術(shù)最關(guān)心的是在對(duì)角線附件的概率分布。而遠(yuǎn)離對(duì)角線附近的一方面概率幾乎為零另一方面對(duì)閾值分割方法本身的貢獻(xiàn)較小，計(jì)算時(shí)完全可以忽略；馬爾科夫隨機(jī)場(chǎng)模型可以很好的描述相鄰像素之間的信息，該模型還可以與某其他模型結(jié)合進(jìn)行圖像黑醋栗，免疫算法是借鑒生命科學(xué)中免疫的概念和理論提出的一種優(yōu)化算法，它繼承了遺傳算法的優(yōu)越性，其避免了優(yōu)化過(guò)程中的退化現(xiàn)象。空間矩陣描述了不同區(qū)域間的相鄰概念，空間矩陣描述了兩類(lèi)之間以及異類(lèi)之間在空間上的相鄰概率，SAR圖