基于混合模型和水平集的高分辨SAR图像分类-电子与通信工程专业论文.docxVIP

学校代码 分 类 号  10701 TN82TN TN82 学 号 1202121282 密 级 公开 西安电子科技大学 硕士学位论文 基于混合模型和水平集的高分辨 SAR 图像 分类 作者姓名： 高丽萍 领 域： 电子与通信工程 学位类别： 工程硕士 学校导师姓名、职称： 侯彪教授 企业导师姓名、职称： 李青高工 提交日期： 2014 年 12 月 High Resolution SAR Image Classification Based on the Mixture Model and Level Set A thesis submitted to XIDIAN UNIVERSITY in partial fulfillment of the requirements for the degree of Master in Electronics and Communication Engineering By Gao liping Supervisor: Hou biao Li qing December 2014 西安电子科技大学 学位论文独创性（或创新性）声明 秉承学校严谨的学风和优良的科学道德，本人声明所呈交的论文是我个人在 导师指导下进行的研究工作及取得的研究成果。尽我所知，除了文中特别加以标 注和致谢中所罗列的内容以外，论文中不包含其他人已经发表或撰写过的研究成 果；也不包含为获得西安电子科技大学或其它教育机构的学位或证书而使用过的 材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说 明并表示了谢意。 学位论文若有不实之处，本人承担一切法律责任。 本人签名： 日 期： 西安电子科技大学 关于论文使用授权的说明 本人完全了解西安电子科技大学有关保留和使用学位论文的规定，即：研究 生在校攻读学位期间论文工作的知识产权单位属于西安电子科技大学。学校有权 保留送交论文的复印件，允许查阅、借阅论文；学校可以公布论文的全部或部分 内容，允许采用影印、缩印或其它复制手段保存论文。同时本人保证，获得学位 后结合学位论文研究成果撰写的文章，署名单位为西安电子科技大学。 保密的学位论文在 年解密后适用本授权书。 本人签名： 导师签名： 日 期： 日 期： 摘要 摘要 西安 西安电子科技大学硕士学位论文 摘要 合成孔径雷达（Synthetic Aperture Radar，SAR）可以全天时和全天候地对地 球表面地物成像，而且可以穿透地球的表面。SAR 可以获得较高的空间分辨率， 因此高分辨 SAR 图像在军事、农业和医学领域起着越来越重要的作用。但是，高 分辨率的 SAR 图像由于存在比较严重的乘性相干斑噪声，用传统的分类方法对其 进行分类，将得不到较好的分类结果。 因此，本文提出了能正确描述 SAR 图像统计特性的基于 K-SVD 训练字典的 混合模型，以及基于混合模型和改进的水平集的 SAR 图像分类方法，具体的改进 思路如下： （1）SAR 图像由于存在严重的乘性相干斑噪声，传统的的单模型已不能对高 分辨率的 SAR 图像进行较精确地统计建模。本文提出了一种基于 K-SVD 算法训 练字典的混合模型统计建模方法，此混合模型是基于对数正态分布和威布尔分布 两个模型建立的。由于传统的 EM 算法对 SAR 图像混合模型的建模过程比较复杂， 提出了通过 K-SVD 算法来训练字典。在本文中，选择基于梅林变换的 SKS 参数估 计方法对对数正态模型、威布尔模型进行参数估计。通过对 SAR 图像的匀质区域、 不匀质区域和极不匀质区域进行混合模型的拟合表明，混合模型能够对各种地物 都能进行较好的统计建模。 （2）由于基于 Gamma 统计模型的水平集分类方法不能对高分辨 SAR 图像进 行较高精度的分类，提出了一种基于 K-SVD 训练字典的混合模型和改进的 CV 模 型水平集的高分辨 SAR 图像分类方法。在水平集的典型模型 Chen-Vase(CV)模型 中，假设 SAR 图像的每个地物区域都具有一致的的强度，实际上 SAR 图像中存在 许多不匀质区域，因此将 CV 模型用于 SAR 图像分类存在了一定的局限性。因此， 本文提出了在水平集分类方法中，用基于 K-SVD 训练字典的混合模型来对高分辨 率的 SAR 图像的不同区域进行统计建模。 （3）由于边缘信息是 SAR 图像分类的重要依据，提出了一种将边缘信息和 改进的区域信息相结合的高分辨 SAR 图像水平集分类方法，在区域能量函数中用 能较好地对 SAR 图像进行统计建模的混合模型来代替 CV 模型中的高斯模型。实 验结果表明，本文提出的基于 K-SVD 算法训练字