合成孔径雷达(SAR)是一种工作在微波波段的高分辨率、主动式相干成像雷达,其成像具有全天候、远距离、能适应恶劣环境等优点,在对地观测中发挥着重要的作用。随着分辨率、成像方式等技术的进步,SAR图像数据量的急剧膨胀给数据传输和存储带来极大的压力,SAR相干成像的特性带来的相干斑噪声给SAR图像的解译和应用带来困难。从SAR图像的稀疏特性来看,稀疏表示理论在SAR图像处理与应用领域具有广阔的前景。开展基于稀疏特征的SAR图像处理与应用方法研究,可以提高SAR图像处理和解译的水平,推广SAR图像在民用领域和军事领域的应用。本文从SAR图像的稀疏特征出发,基于字典学习和稀疏模型,对SAR图像压缩、SAR图像相干斑抑制、SAR图像目标分类和SAR图像与红外图像融合进行了研究。本文主要工作总结如下:第二章研究内容:在SAR图像信号盲稀疏度条件下,现有重构算法中固定阈值的选择限制了SAR图像压缩后重构精度和重构速度的提高。鉴于此,本文提出一种改进的正交匹配追踪算法。该算法通过非线性下降的阈值快速选择原子,自动调节候选集原子个数,以便每一次迭代时更加精确地估计真正的支撑集,利用正则化过程实现了支撑集的第二次筛选,实现了盲稀疏度信号的精确重构。本文将算法应用于SAR图像压缩,提出了一种基于稀疏表示的SAR图像压缩方法。实验结果表明,本文方法能在压缩SAR图像的同时抑制相干斑。第三章研究内容:提出了一种基于自蛇扩散和稀疏表示的Contourlet域SAR图像相干斑抑制方法。对SAR图像Contourlet变换分解后的低频子带采用自蛇扩散处理,并将滤波处理后的系数作为SAR图像低频子带在Contourlet域的局部均值估计;基于稀疏优化模型,利用改进的正交匹配追踪算法求解高频子带的稀疏系数,重构得到高频子带系数;对滤波后的所有子带系数进行Contourlet逆变换,实现SAR图像的相干斑抑制。实验结果表明,该方法能在抑制相干斑噪声的同时较好地保留图像的边缘信息。第四章研究内容:针对SAR图像的目标分类,本文提出了三种方法。(1)基于多子分类器的Ad Boost分类方法。该方法首先提取训练样本的2D-LDA特征和G2DPCA特征,采用SVM方法分别训练弱分类器,采用Ada Boost.M2算法将弱分类器提升为强分类器完成SAR图像的目标分类。实验结果表明,该方法在识别率和识别时间上优于采用单一子分类器的Ada Boost算法。(2)基于EMACH和稀疏表示的分类方法。该方法针对SAR图像训练样本,采用EMACH算法训练模板,提取模板的G2DPCA特征构造过完备字典,利用改进的正交匹配追踪算法求解测试样本的G2DPCA特征在过完备字典下的稀疏系数,根据系数的能量特征判断SAR图像目标的类别。实验结果表明,该方法在分类速度方面明显优于同类别的其他分类方法。(3)提出了一种基于级联字典和稀疏表示的分类方法。该方法利用SAR图像训练样本库,按类别生成多个字典,构成级联结构,测试样本经过级联字典,按需依次求解稀疏系数,利用重构误差和投票机制完成SAR图像的目标分类。实验结果表明,该方法明显提高了SAR图像的目标分类速度。第五章研究内容:针对SAR图像与红外图像融合,本文提出了两种融合方法。(1)基于自适应权值的曲波域SAR图像与红外图像融合方法。该方法引入模糊理论的分析思想,对源图像Curvelet变换后的不同频率子带系数采用不同的权值进行处理,通过自适应加权策略实现SAR图像与红外图像融合。实验结果表明,该方法真实可靠,能够有效提高融合质量。(2)基于稀疏表示的NSCT域SAR图像与红外图像融合方法。该方法首先将源图像进行NSCT分解,形成不同频带的系数;采用区域能量融合方法融合低频子带;构造过完备字典,求解不同高频子带在字典下的稀疏系数,采用能量最大原则选取稀疏系数并重构高频子带;通过NSCT逆变换将不同频带系数融合,实现SAR图像与红外图像融合。实验结果表明,本文融合方法在视觉效果和客观指标评价方面,都行之有效。