论文部分内容阅读
全极化合成孔径雷达(Polarimetric SAR)数据，可记录观测地物对电磁波散射过程中的变极化效应，相比于单极化SAR系统所获得的数据，能更全面地反映地物散射特征。当前极化SAR系统成为雷达遥感领域重要的观测工具，得到了快速发展，获得极化SAR观测数据也急剧增加。然而极化SAR图像自动解译及信息提取技术的发展则相对滞后，尚不能满足海量数据自动快速有效应用的需求。极化SAR图像自动分割是将处理图像分离为若干均质性区域的处理过程，是对观测场景中特定感兴趣地物或目标进行应用分析中必不可少的底层处理技术，是图像自动解译的关键步骤。然而，目前国内外提出的全链路自动化极化SAR分割算法非常有限，对其实用性能分析的研究工作开展得更少。本论文针对极化SAR图像自动分割算法及其面向实际应用的关键问题进行了分析，从极化SAR数据准确性、自动分割算法效率提升以及模型参数估计稳定性三个方面开展研究工作，具体研究内容和创新性成果包括; 针对极化失真对图像分割的影响以及校正方法展开研究。理论推导了极化串扰及不平衡度对地物散射特征量表达的影响，并通过半物理仿真验证了理论分析结果，在此基础上根据对各类场景在不同极化失真程度下的非监督分类结果，给出了极化SAR数据的指标要求。提出了基于时变姿态误差校正的改进点目标定标算法，该方法可以有效排除合成孔径内部的姿态波动误差。该误差会影响系统失真参数估计，在高分辨率极化SAR系统中不能简单忽视。通过理论和实验验证了，改进算法在定标性能上的提升，从而更有效地保证了极化SAR系统的数据质量。 针对基于非高斯混合模型的快速自动分割算法展开研究。在类别自适应判决的分割算法框架下，比较了基于不同极化多视数据参数化模型方法的分割效果。针对分割性能较好的U分布混合模型算法存在的耗时问题，提出了一种基于参数近似的快速自动分割算法。该算法通过对包含超几何函数的概率密度函数进行参数化近似，将反演后验概率的运算过程降为仅需线性处理的插值运算过程，并避免了算法中通过最优化进行模型参数估计的过程。通过仿真和实测数据实验证明，该方法可以在较少的耗时下获得与原始方法接近的分割结果，一定程度上解决了非高斯模型在数据聚类应用中的效率问题。 针对极化多视数据统计模型中等效视数这一参数的稳定非监督估计方法展开研究。自动分割算法中采用的等效视数非监督估计方法依赖于图像中均质性区域占主导的假设，在复杂图像中不能得到准确的估计结果。本文提出两种估计方法分别排除了地物混合和复杂纹理两类主要的异质性因素对估计结果的影响。首先，通过基于对数累积量的自适应门限假设检验，检测图像中单一地物区域。在此基础上，再通过聚类从单一地物区域中进一步提取出纹理信息弱的均质性区域。提出的方法在保持估计过程非监督特点的同时，提高了在不同复杂度图像上的估计准确性。从而，为基于非高斯模型的自动分割算法等应用提供了必要的参数输入。