SAR图像处理与检测 课件 第一章 绪论.pptx

2025/5/231SAR图像处理与检测

2025/5/232第一章绪论1.1背景与意义1.2基本定义与问题描述1.3小结

2025/5/233背景与意义合成孔径雷达（SyntheticApertureRadar，SAR）是一种主动式的对地观测系统，由于该系统能够实现穿透云雾、植被对地全天候远距离的观测，被广泛应用于军事、遥感、水文、地矿等领域。在过去的十几年里，我国在研发获取SAR数据的系统方面，投入了大量精力，从各种各样的机载和星载SAR系统获取了海量的高质量SAR图像，但是在如何利用好这些海量的数据方面所做的工作却相对较少。SAR图像的图像特性会随着不同的配置条件（包括姿态、俯仰、遮挡、隐蔽、成像参数等）发生较大的变化，与光学图像存在较大差异，尽管有经验的图像分析人员可以快速地识别出一些特征，但是，人工进行信息提取是一项非常耗时的工作，而且，不同分析人员间也没有判读结果的统一评价标准。因此，在对数据信息进行充分理解的基础上，建立统一的决策标准，以获得适合人眼观察识别的图像，同时能够自动或半自动地生成某些决策将会给SAR图像在各领域的推广应用带来极大的助力。由SAR系统获得的图像数据信息通常是高维的，结构丰富且多样化。在大量复杂的数据中，感兴趣的数据远远少于整体，如何能够快速检索到那些感兴趣的信息是待解决的关键问题。基于有用信息在整体数据中稀疏性假设的稀疏表示理论提供给了研究工作者一个处理海量SAR图像数据信息的新思路。相对于一维信号，二维SAR图像数据具有更多的空间结构信息，能够同时将图像的结构信息和信息的稀疏性整合到一个框架中的群稀疏表示理论，能够在SAR图像的应用中获得更好的效果。

基本定义与问题描述SAR系统是测量地面和入射电磁波之间局部相互作用的一种测量系统，通过该系统可以产生描述该作用的高分辨率SAR图像，从某种意义上来讲，SAR图像是地面局部散射特性的一种表现形式，即所有地面信息以电磁理论知识为载体。SAR图像应用的独特性及电磁理论的一般性之间存在广阔的技术和理论发展空间，其目的是为SAR图像分析与解译提供一些一般性的方法。2025/5/234

SAR图像相干斑抑制SAR图像是通过相干的电磁散射过程得到的，因此存在无法避免的各散射体之间的干扰现象，其在图像中表现为相干斑噪声，该干扰是理解与分析SAR图像需要首要解决的问题。针对SAR图像幅度图像的相干斑抑制研究是最为广泛的，通过结合不同的估计域（如空间域、频率域、小波域、其他类型变换域等）、估计准则［如最小均方误差（MinimunMeanSquareError，MMSE）、线性最小均方误差（LinearMinimumMeanSquareError，LMMSE）、最小平均绝对误差等］、最大后验概率（MaximumAPosteriorProbability，MAP）估计或者非贝叶斯模型，以及概率密度估计模型，可以获得大量不同种类的相干斑抑制方法。有关相干斑抑制的研究工作最早始于图像空间域的处理，该类方法基于对目标反射强度及相干斑相关统计特性（如自相关函数和概率分布函数等）的假设。根据其统计特性的不同，此类滤波器将真实SAR图像中的区域分为三类：均匀区域、纹理区域及强散射区域。针对第一类图像区域，该类区域在空间上具有恒定的强度值，对此类情形的最佳估计方法为在邻域中取像素强度的平均值；属于第三类图像区域的像素值一般予以保留以进行目标检测，并且用于校准及匹配等操作。此类滤波器的设计旨在降低第二类图像区域的相干斑噪声。2025/5/235

SAR图像相干斑抑制过去三十年还出现了许多不遵循贝叶斯准则的相干斑抑制算法，下面对较为流行的算法进行介绍和总结。以中值滤波器为代表的次序统计滤波器由于其边缘保持的独特特性而在相干斑抑制的应用领域得到了一定的普及，其中当条件中值滤波器识别像素为异常值（即窗口内极值）时，使用样本中值替换局部滑动窗口的中心像素值。稀疏表示（SparseRepresentation，SR）信号模型受到图像处理研究学者广泛的欢迎和关注，该理论的基本假设：自然图像都满足稀疏先验模型，即可以被视为字典中少数原子的线性组合。稀疏表示方法已被成功应用于图像去噪、图像分类和图像恢复，同样也被应用于SAR图像的相干斑抑制。由于SAR图像相干斑噪声具有离散无结构分布形式，与具有明显结构特征的图像信息不同，如何利用群稀疏表示理论探索SAR图像的目标结构特征表现出的群稀疏性，并进行相干斑噪声抑制是本书相关算法设计的初衷。相干斑噪声多被建模为指数分布的乘性噪声，而融合稀疏表示理论中使用的信号模型为字典各原子的线性叠加形式，如何结合相干斑噪声特点并利用群稀疏表示理论抑制乘性相干