遗传优化神经网络在SAR图像处理中研究.pdf

摘 要 正直接危害人类健康的各类海洋污染是亟待解决的重要难题，开发能够实时 对海洋环境做有效监测的系统是关键技术之一。通过合成孔径雷达(Synthetic Radar，SAR)这种现代高分辨率微波遥感成像雷达，可以全天候全天时 Aperture 地动态探测海洋油膜并对其成像。本文针对海洋表面溢油监测现状，结合神经网 络原理分析利用合成孔径雷达图像，提出了一种基于遗传优化神经网络的海表溢 油状况识别的新方法。通过对海面短时间内连续的SAR图像的分析，对于海洋环 境污染的防治具有极为重要的意义，为智能海洋环境系统的实现提供了必要条件。 SAR图像已经被广泛的应用在海上溢油监测中，因为海面溢油的平滑效应对 雷达波反射起削弱作用，所以在雷达图像上会显示出暗色的阴影区域，而周围的 海水却因为表面粗糙作用而显示比较亮。为了精确分类SAR溢油图像，本文提出 了纹理分析结合神经网络的方法来分类溢油图像。纹理分析阶段本文采用灰度共 生矩阵法计算出对SAR溢油图像最敏感的4个纹理特征值，结合像元的灰度值组 成分类图像的特征矢量。考虑到神经网络具有自组织、自适应和联想能力，通过 对样本反复训练，能辨别各类样本特征的这一优点，本文选取图像的典型区域， 提取出特征矢量输入到神经网络中进行训练。选用常用的神经网络模型BP神经网 络和高阶神经网络对图像中溢油和海水等物质进行训练。BP网络的分类方法被广 泛应用于遥感图像分类，但它存在局部最小、隐含层节点数及训练速度等问题。 小，并结合自适应方法，使分类细化，且速度不会影响太大。网络收敛后，利用 待识别的图像测试分类识别的效果。最后，由遗传算法做全局优化，通过对比两 种网络模型对SAR溢油图像的识别效果和分类精度，结果显示这两种网络模型都 能够达到比较令人满意的效果。并且高阶神经网络分类模型不仅在分类精度上， 而且在计算时间上都优于BP模型。 法 SAR Based onGenetic Neural ImageProcessing Optimization Networks Abstract inthefieldofocean itisa to Nowadays pollution， problemeagerlyneeding tohurt to abstain humanhealth．Thereforeit’Sthetime a ofthe developkey technology effectivereal—timesoftware for ocean systeminspecting amodem factormicrowaveremote ApertureRadar(saR)ishi曲-resolution sensing radar．Itcan onthe at sea and weather．Inthis imaging inspectoil-spill anytimeany anewmethodof conditiondetectiononthe is paper， oil—spill