极化SAR图像人造目标特征提取与检测方法研究.pdf

Classified Index: TN958.2 U.D.C: 621.396.75.969 Dissertation for the Doctoral Degree in Engineering RESEARCH ON FEATURE EXTRACTION AND DETECTION OF MAN-MADE TARGET USING POLARIMETRIC SAR IMAGES Candidate: Zhang Lamei Supervisor: Prof. Zhang Ye Associate Supervisor: Prof. Zou Bin Academic Degree Applied for: Doctor of Engineering Speciality: Information and Communication Engineering Affiliation: School of Electronics and Information Engineering Date of Defence: Apr. 2010 Degree-Conferring-Institution: Harbin Institute of Technology 摘 要 摘 要 极化合成孔径雷达(PolSAR)可以利用不同极化通道的 SAR 复图像区分物体 的细致结构、目标指向、几何形状以及物质组成等参数，在遥感领域具有广阔的 应用前景。利用极化信息提取技术对 SAR 图像中的典型目标进行特征提取和检 测是 PolSAR 图像解译和应用的热点课题，具有重要的理论意义和实用价值。论 文立足于 SAR 极化信息的提取，以建筑物目标检测为目的，重点围绕极化目标 分解、PolSAR 图像分类和 PolSAR 目标检测以及PolInSAR 目标检测等内容进行 系统深入的研究。 首先，本文对目标的极化特性和目标分解方法进行深入研究，包括相干目 标分解、基于特征值的非相干目标分解和基于散射模型的非相干目标分解方法。 在深入研究已有极化目标分解方法和其应用范围的基础上，针对建筑物的特殊 结构和特有散射特性，提出基于多成分散射模型(MCSM) 的极化目标分解方法， 综合考虑了奇次散射、偶次散射、体散射、螺旋散射和线散射五种基本散射机 理。利用 E-SAR 和 EMISAR 的 PolSAR 数据进行实验，验证了基于 MCSM 目 标分解方法的有效性，分解得到的各散射成分将作为主要特征用于后续的 PolSAR 图像分类和 PolSAR 目标检测。 其次，在 PolSAR 图像分类研究中，利用支持向量机(SVM)在小样本情况 下良好的学习能力和结构风险最小化的特性，在 MCSM 目标分解的基础上，本 文提出联合 MCSM 和 SVM 的 PolSAR 图像分类方法。将 MCSM 提取的目标散 射特征与纹理特征相结合，考虑目标的自身散射特性及其空间纹理，运用 SVM 分类器进行 PolSAR 图像分类。基于该方法对 EMISAR 数据进行了分类实验和 性能评估，并且与基于 Freeman 分解和 SVM 的分类实验比较，结果表明联合 MCSM 和 SVM 的分类方法能够获得良好的分类效果和较高分类精度。 针对 PolSAR 图像目标检测，本文提出基于商空间粒度计算的 PolSAR 图像 目标检测算法，将基于MCSM 的目标分解结果、极化相似性参