论文部分内容阅读
星载SAR在军事侦察和民用方面都具有重要的作用,展开星载SAR图像的特征提取和目标识别工作具有实际的意义和应用的前景。本文对星载SAR图像滤波和理解方法进行了深入的理论分析和实验研究,主要研究内容包括星载SAR图像的滤波、星载SAR图像的分类和星载SAR图像的边缘检测,通过实验验证了所给算法的有效性。一个好的滤波方法必须在获得所需的降斑效果的同时,尽可能地减少图像信息(纹理、边缘等)的损失。本文研究了星载SAR图像的滤波方法,提出了一种星载SAR图像的滤波方法;该方法在自适应小波变换的基础上,利用维纳滤波对图像进行自适应处理。通过与已有的一些经典的星载SAR图像滤波算法比较,验证了基于小波变换的滤波器在星载SAR图像去噪的有效性。星载SAR图像存在相干斑噪声,使得图像的分类精度受到很大影响。针对星载SAR图像分类的两个关键问题:分类特征的选取和分类方法的选择,本文提出一种实用的星载SAR图像无监督分类方法。该方法利用小波分解后的能量分布构成分类特征,采取FCM方法对星载SAR图像进行无监督分类。模拟的和真实的星载SAR图像实验表明,本方法的星载SAR图像分类精度较高。星载SAR图像特殊的数据特征以及含有大量的相干斑噪声,使得普通的边缘检测算子很难正确的检测出图像边缘。本文尝试将图像在不同尺度下小波分解后的分量进行匹配,构成一个特征向量,利用FCM方法进行分割,并提取图像边缘。不同边缘检测算子的对比实验显示了本算法在星载SAR图像边缘检测的可行性。通过比较在不同程度噪声污染的情况下本算法检测图像边缘的效果,验证本算法在图像边缘检测方面的鲁棒性。用MATLAB建造了一个SAR图像处理平台。此软件平台主要功能包括SAR图像的滤波、分类和边缘检测三个方面,实现了部分经典的图像处理算法以及本文所提出的SAR图像处理算法。结束语部分对全文作了总结,并展望了将来在星载SAR图像理解方向的发展状况。