基于散射特性和空间相关特性的高分辨率SAR图像地物分类算法及系统实现

【摘要】：随着合成孔径雷达(SAR)技术的不断发展,其能够提供全天候条件下、具有高分辨能力的、详细的地面测绘资料和图像。然而,面对大场景的SAR图像,完全依靠人工判读需要耗费大量人力,无法适应军事与应急实时性的要求。另外,由于SAR特殊的成像机理和斑点噪声的存在,致使结构性特征缺失、在视觉效果上与光学图像有较大差异、场景理解难,即便依靠人工理解,难度依然很大,并且人工判读存在主观性。上述这些困难如果不加以解决,将直接影响高分辨率、大场景、高质量的SAR图像数据在实际中的应用。 根据我国SAR系统的发展现状和SAR图像地物分类的应用需求,本文重点研究了高分辨率SAR图像地物分类的相关核心技术,主要包括基于辐射特性和空间信息的地物粗分类技术、基于高层语言信息和邻域信息的分类优化技术、基于GIS信息和拓扑形状信息的地物精分类技术。最后,介绍了高分辨率SAR图像地物分类系统的设计与实现。 本文中的SAR图像地物分类技术是研究SAR图像的散射特性和空间相关特性,其具体内容为:首先根据SAR图像基本特性,提取典型场景的可靠特征,进行图像的粗提取,将图像分为建筑区、森林区、一般性区域和水域四种类型;然后,根据高层语义信息和GIS地理数据信息进行基于区域的后处理优化分类结果;最后,根据空间关系特性和DEM数据信息将粗分类结果进行精分类,将四类场景细化为城区、农村、山地森林、平原森林、农田、荒漠、河流、湖泊和海洋等10小类场景。 基于辐射特性和空间信息的地物粗分类技术是SAR图像地物分类系统的基础。本文首先分析了SAR图像的固有特性,并主要研究了典型地物在SAR图像上的散射特性和空间关系特性,根据这些特性找出最佳的分类策略。为保证本文分类算法的稳定性,本算法引入了虚假纹理的概念,来估计图像受噪声影响的程度,并利用这种特征设计一种稳定的分类算法,较好的对高分辨率SAR图像进行分类。 基于高层语言信息和邻域信息的分类优化技术主要是为地物粗分类的结果进行优化,以提高分类准确率。主要研究了多数决策技术、基于上下文的森林和建筑区的鉴别技术和基于雷达成像先验知识的水体阴影处理技术等,有利于提高分类系统的准确率和鲁棒性。 基于GIS信息和拓扑形状信息的地物精分类技术是地物粗分类结果的细化。本文主要根据建筑区、森林、一般性区域和水域这些典型场景的各自特性,结合GIS信息和空间拓扑形状信息提出了进一步精提取的算法,建立了一个稳定的地物精提取模型。 这些高分辨率SAR图像地物分类的算法是作者硕士研究工作的总结,期望能初步解决SAR图像地物分类的部分问题。其中还有许多有待完善和深入研究的地方,何况遥感技术和应用需求的日新月异,这都要求继续开展更深入、更广泛的研究。