《獨立分量分析算法研究及其在SAR圖像分割中的套用》是依託西安電子科技大學，由紀建擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名：獨立分量分析算法研究及其在SAR圖像分割中的套用
- 項目類別：青年科學基金項目
- 項目負責人：紀建
- 依託單位：西安電子科技大學
中文摘要,結題摘要,
中文摘要
合成孔徑雷達(Synthetic Aperture Radar, SAR)圖像在軍事和民用領域中都得到了廣泛套用。但是由於SAR成像的機理，使得SAR圖像含有斑點噪聲，這樣與傳統光學圖像的處理相比，SAR圖像的分割具有其特殊性。. 獨立分量分析(Independent Component Analysis,ICA)是一種全新的信號處理和數據分析方法。經典的圖像變換的基函式是確定的，與處理的圖像無關；而ICA的基函式由被處理的圖像來確定，更能反映該圖像的特徵。目前ICA在SAR圖像分割方面的套用還不多，有必要進行更深入的研究和探討。. 本項目研究構造新的獨立分量分析模型；研究ICA目標函式的最佳化及數值計算分析問題；在此理論基礎上研究SAR圖像分割，為SAR圖像處理提供新理論和新方法，具有非常重要的理論意義和實用價值。
結題摘要
合成孔徑雷達(Synthetic Aperture Radar, SAR)圖像在軍事和民用領域中都得到了廣泛套用。但是由於SAR 成像的機理，使得SAR 圖像含有斑點噪聲，這樣與傳統光學圖像的處理相比，SAR 圖像的分割具有其特殊性。(1)提出了結合類間離散度的非局部模糊c均值聚類圖像分割算法，使用自適應的非局部均值作為非局部修正懲罰項，以此平滑噪聲的影響；使用類間離散度懲罰項，提高聚類結果的類間離散度；(2)提出了一種基於獨立分量分析(ICA)獨立空間超像素合併的SAR圖像分割算法，用獨立空間來表示SAR圖像，該空間是利用獨立成分分析的方法得到的,利用超像素算法將SAR圖像分割為初始區域塊，在獨立空間中提取各區域塊的特徵向量，並計算各區域之間的相似度。而後，依次構建鄰近矩陣和全連通矩陣來進行區域合併從而得到最後的分割結果；(3)穩健獨立分量分析神經網路算法的提出和套用,其目的是當數據中存在噪聲或異常值時，能夠有效地降低噪聲對所估計輸出向量的影響。該算法在對原始數據進行了PCA預處理後，通過套用異常值拒絕法則，而將異常值或噪聲去除,最後，在“乾淨”的數據上使用傳統獨立分量分析算法;(4)提出基於獨立成分分析和Bootstrap的最大後驗機率SAR圖像去噪方法,該方法首先使用獨立成分分析方法估計出SAR圖像的基圖像，然後設計一個分類器用於劃分出噪聲成分。接下來Bootstrap參數化方法將對噪聲成分進行估計旨在找到噪聲的統計特性（方差）,此外分別針對單視強度、單視幅度、多視強度、多視幅度的SAR圖像，研究了其噪聲的統計模型，根據不同的模型推導出不同的MAP濾波方程。最後根據SAR圖像類型選擇相匹配的MAP濾波器進行濾波，從而避免了對所有類型圖像的統一方法處理.
