论文部分内容阅读
合成孔径雷达(Synthetic Aperture Radar，SAR)作为一种主动的微波传感器，具有全天时、全天候、大范围、高分辨的观测能力，在海洋领域具有很大的应用优势。然而由于SAR复杂的海洋成像机理以及海面的随机动态特性，SAR海洋图像中的舰船尾迹、内波、海浪纹理等特征与海洋背景的反差小，通常表现为弱反差信号。受海面动态特性影响，弱反差信号可能发生位移、局部形变等变化，从而成为时变弱反差信号。弱反差信号特征微弱，加上SAR图像固有的斑点噪声影响，常规的图像处理方法受到限制，这严重影响SAR海洋图像的解译与识别。本论文以曲波(curvelet)变换的多尺度分析方法为基础，研究了适用于SAR海洋图像的时变弱反差信号增强与检测方法。
首先，在curvelet硬阈值SAR图像降斑方法基础上，结合图像在curvelet域中的边缘方向特征并引入一种边缘保持机制，提出改进的曲波域降斑方法。通过处理仿真图像和实际的SAR海洋图像，表明改进方法在有效抑制SAR图像平滑区域斑点噪声的同时仍然可以较好地保持图像的边缘特征。
其次，分析了曲波域方向参量与图像边缘方向的定量关系，并结合图像在曲波域中的边缘方向特征强的抗噪性能，提出了一种curvelet域SAR图像特征增强方法。通过处理实际的SAR海洋图像，表明算法可以有效增强弱反差信号的特征，获得了良好的视觉效果。
再次，研究了curvelet域图像边缘检测算法，并将这种方法应用于SAR海洋图像弱反差信号检测。处理仿真SAR图像与实际SAR海洋图像，表明算法可以有效提取SAR图像中弱反差信号的特征。
最后，针对SAR海洋图像中的时变弱反差信号，探讨了一种结合图像curvelet域边缘方向场与mean-shift算法的SAR海洋图像时变弱反差信号跟踪方法。通过处理仿真SAR图像序列与实际的子孔径SAR海洋图像，初步验证了方法的可行性。