《SAR圖像處理技術研究》是2017年科學技術文獻出版社出版的圖書。
基本介紹
- 書名：SAR圖像處理技術研究
- 作者：薛笑榮
- 類別：工業技術
- 出版社：科學技術文獻出版社
- 出版時間：2017年
- 開本：16 開
- 裝幀：平裝-膠訂
- ISBN：9787518931002
合成孔徑雷達（SAR）具有全天時、全天候的高分辨成像能力，在國民經濟和國防建設中有著非常重要的套用。但是，SAR成像的特點決定了SAR圖像幾何失真較大且含有大量被稱為相干斑的乘性噪聲，這使得傳統的圖像處理技術很難套用。基於此，本書基於SAR圖像處理方面的研究工作和該領域一些專家的相關工作，介紹了SAR圖像相干斑噪聲抑制、SAR圖像邊緣提取、SAR圖像分割分類、SAR圖像目標識別、極化SAR圖像處理與並行SAR圖像處理等一些SAR圖像處理關鍵方法技術。
SAR圖像相干斑噪聲的存在使SAR圖像的解譯工作變得相當複雜，因此研究SAR圖像的信號和噪聲分布特性對於SAR圖像的各項處理工作顯得格外重要。用小波分析的方法研究了SAR圖像信號和噪聲在頻域中的分布特性，並在SAR圖像濾波中得以驗證。
基於以上SAR圖像相干斑噪聲的分布特性的研究，並分析現有的圖像空間濾波算法，研究提出了一種相干斑濾除方法——基於小波變換的SAR圖像噪聲濾波方法。將該方法用於SAR圖像去噪取得了較好的效果。
在含噪SAR圖像邊緣提取方面，提出了3種方法：①基於小波變換的SAR圖像邊緣提取。首先用基於結構信息的統計濾波方法對SAR圖像進行濾波，然後根據小波變換具有多分辨分析的特性，並結合模糊中值濾波、閾值化處理及微分梯度運算元對SAR圖像進行邊緣提取。②基於分形的SAR圖像邊緣提取。首先用小波變換方法對SAR圖像進行濾波，然後依據所計算的基於區域自選的多尺度分形維數進行邊緣檢測。③基於支撐矢量機（SVM）的SAR圖像邊緣提取。利用含噪SAR圖像中邊緣點與非邊緣點在鄰域一致性、方向性和結構性的不同，運用一個三維特徵向量描述邊緣點，並採用SVM方法實現對邊緣點的提取。實驗結果表明，對於SAR圖像來說，本書中所提出的邊緣檢測方法優於Robert運算元、Sobel運算元、Canny運算元等傳統邊緣檢測運算元。本書同時對所提出的方法從算法性能、效率方面進行了分析比較，並給出了各自的適用範圍。
在SAR圖像分割分類方面，提出了6種方法：①基於瑞利（Rayleigh）分布和模糊技術的SAR圖像分割方法。該方法基於SAR圖像灰度級分布模型，並結合像素灰度和區域信息，提取目標灰度隸屬度信息作為特徵，然後通過無監督聚類方法對SAR圖像進行分割。②基於小波變換的SAR圖像分割方法。在該方法中，用於SAR圖像分割的特徵向量由圖像小波紋理特徵和濾波後的灰度組成。③基於分形特徵的SAR圖像分割方法。該方法基於分形理論並結合了SAR圖像的特點。④基於模糊神經網路的SAR圖像分割方法。該方法將所提取的SAR圖像的灰度共生矩陣特徵和濾波後的灰度組成特徵向量，用模糊神經網路對SAR圖像進行分割。⑤基於樹型小波和灰度共生矩陣的SAR圖像分類方法。該方法將圖像的空間域和頻域特徵相結合。⑥利用小波尺度共生矩陣和灰度共生矩陣的SAR圖像分類方法。該方法將反映圖像紋理的動態和靜態信息特徵相結合。實驗結果表明，本書所提出的SAR圖像分割分類方法是有效的。本書同時對所提出的分割分類方法從算法性能、效率方面進行了分析比較，並給出了各自的適用範圍。
在SAR圖像目標識別方面，提出了基於SVM的SAR圖像目標識別方法。該方法首先對樣本SAR圖像進行預處理；然後提取目標區域的不變矩特徵並計算灰度均值，將其組成特徵向量訓練SVM分類器；*後用訓練好的SVM分類器對要識別的SAR圖像進行目標識別。用該方法對一些含有橋樑和坦克的SAR圖像進行目標識別取得了較好的結果。
在極化SAR圖像分類方面，提出了一種基於極化特徵並結合鄰域信息的統計特徵的全極化SAR數據的無監督分類方法。在該方法中，計算了極化SAR圖像的極化特徵：H（熵）、α（散射角）、A（各向異性度）和SPAN（極化總功率）。還在極化總功率圖像上計算了空間統計特徵：4個灰度共生矩陣特徵。將極化特徵和空間統計特徵相結合，對極化SAR圖像進行分類。實驗表明，該算法能更好地保持極化SAR圖像的紋理和細節，其分類結果優於傳統的極化SAR圖像分類方法。
在高性能計算中，並行集群計算系統具有較高的和良好的可擴展性，可以滿足不同規模的大型計算問題，因此日益受到重視。本書將並行計算引入SAR圖像處理中，以提高速度。針對SAR圖像處理中計算量大的關鍵環節，並結合併行計算，提出了一種SAR圖像並行分類方法和一種SAR圖像並行邊緣檢測方法，通過實驗驗證了它們的有效性及較高的效率。通過SAR圖像並行處理的研究和實驗，本書也對影響圖像並行處理的一些因素進行了分析，並給出了一些提高SAR圖像並行處理性能的措施。
本書的工作得到了筆者的博士生導師趙榮椿教授、張艷寧教授，筆者的博士後合作導師曾琪明教授和筆者在美國公派訪學時的合作導師Liping Di教授的許多指點和幫助，以及導師們的實驗室的多位同門的幫助，在此一併感謝。本書還參考了許多國內外相關資料，對這些文獻的作者們也表示感謝。在本書的撰寫過程中，也得到了筆者的家人和工作單位的領導與同事，以及筆者的一些朋友的支持和幫助，在此也表示感謝。鑒於筆者的專業水平有限及時間倉促，書中不足之處在所難免，敬請讀者和同行批評指正，筆者會將讀者的反饋作為進一步提高研究質量的動力。
