论文部分内容阅读
合成孔径雷达(Synthetic Aperture Radar，SAR)图像已在科研、民用、军事的诸多领域得到广泛应用，尤其是在传统光学传感器成像困难的领域发挥了不可替代的作用。但如果不了解SAR图像的统计信息，不明白图像的本质属性，将会在很大程度上限制SAR图像处理与应用的有效性。另外，相干成像的特性使SAR图像不可避免地受到相干斑噪声的影响，导致图像的空间分辨率降低、可解译性差及计算机辅助场景分析困难。随着SAR技术的发展，其分辨率亦在不断提高，随之SAR图像所包含场景信息的复杂度也在增加，因此需要更准确的概率密度函数模型以及更行之有效的滤波算法来满足实际需求。本文围绕SAR图像统计特性分析及滤波算法进行深入研究。
首先对SAR图像的统计特性分析展开研究，依次从经验、离散散射模型及乘积模型三个方面入手来分析SAR图像的统计特性。主要工作与创新如下：
●将广义Gamma分布用作SAR图像的经验统计模型，并推导了基于Mellin变换的对数累积量参数估计方法，通过对含有不同地表特征SAR图像的仿真实验验证了该模型的有效性。
●假设分辨单元内所收到雷达回波的实、虚部服从双边广义Gamma分布，推导得到广义Gamma瑞利分布的SAR图像理论统计模型，并给出迭代对数累积量的参数估计方法，能够取得比广义高斯瑞利分布更好的拟合效果。
●选择广义Gamma分布作为雷达散射截面与相干斑分量的概率密度函数，得到复合广义Gamma分布的SAR图像理论统计模型，并对其具有可解析表达式的特例即复合广义k分布进行了详细讨论，提出对数累积量与最大似然的联合参数估计方法。尽管限定幂指数在一定程度上制约了其对实际数据的逼近能力，但仍然明显优于k分布。
其次主要研究了SAR图像的滤波算法，着眼于纹理保持及多分辨率分析的SAR图像滤波，主要工作与创新有：
●SAR图像滤波可认为是对雷达散射截面的复原，是一典型的病态逆问题。类比神经网络的贝叶斯学习，对SAR图像作对数变换后选择高斯分布、高斯Markov随机场模型作为SAR图像的似然函数及纹理先验信息，将MacKay证据框架引入SAR图像滤波，并用Jefferys非信息先验执行证据框架的第二级推理，给出了基于证据框架的同态域纹理保持SAR图像滤波算法。
●取代对数变换，将乘性相干斑噪声分解为信号相关的加性噪声，并用双边广义Gamma分布来描述信号相关加性噪声对应的小波系数，提出了基于双边广义Gamma分布的多分辨率SAR图像最大后验滤波算法。其中，还通过引入多分辨率变化系数提高由级数展开并忽略高阶项所得贝叶斯收缩函数的有效性。且为降低算法复杂度，采用了一种近似策略来获得各子带双边广义Gamma分布的参数值。