论文部分内容阅读
SAR图像特征提取是SAR图像信息提取与解译的基础工作,良好的特征能够完备地表征图像或者目标的核心信息,有利于后续的识别分类工作的开展,因而受到了国内外研究人员的关注,成为SAR图像解译的理论研究热点之一。在SAR图像解译的实际应用中,图像和目标的全局特征提取通常是非鲁棒的,存在一定随机变化和模糊。SAR图像局部特征提取研究是解决上述问题的一种思路,是对特征提取技术的进一步发展,也是SAR图像计算机解译技术的重要信息支撑。而目前SAR图像局部特征提取普遍沿用光学图像处理的方法,存在一定的不相适应的情况,因此根据SAR图像成像特性与噪声特性来研究其局部特征提取算法很有必要。通过研究与完善SAR图像局部特征理论与提取算法,克服两个不足:(1)传统的全局特征提取方法鲁棒性差;(2)光学图像局部特征提取方法对于SAR图像的适应性差,从而提高基于局部特征的SAR图像匹配与目标检测识别的精度与效率。本文围绕SAR图像局部特征提取的这一主线,从SAR图像目标的显著性特征、目标的散射中心点集特征和SAR图像局部不变特征三个方向入手,采用理论分析和实验验证相结合的研究方法,深入研究探讨:(1)SAR图像目标显著性区域、显著性特征提取与应用;(2)目标散射中心点集特征序贯匹配识别SAR图像车辆目标;(3)SAR图像局部不变特征提取新方法与应用。作为整个论文的理论基础,第二章主要论述了图像局部不变特征理论及典型的方法,SAR图像的成像概述、噪声特性和几种基本特征,针对本文研究重点,对SAR图像局部不变特征的研究基础、发展现状和主要方法做了阐述和总结。第三章在SAR图像噪声特性分析基础上,结合视觉显著性理论,根据SAR图像局部复杂度和自差异测度设计了一种SAR图像的显著性区域检测方法,与经典的视觉显著性算法进行显著性区域检测实验对比,以及与经典的CFAR方法进行SAR图像目标检测实验对比,均取得了良好的实验结果,表明该方法胜任在SAR图像上提取显著性区域,检测高价值地物目标,具有很好的应用性。第四章结合模式识别理论中的点模式匹配方法和SAR图像属性散射中心模型理论,提出了一种基于目标散射中心点集特征的序贯匹配方法。首先基于属性散射中心模型提取SAR图像域目标散射中心的特征,使用该散射中心点集位置分量和表征散射中心几何结构信息的属性散射中心特征频率影响因子作为匹配特征,依次序贯匹配,实现车辆目标的对比识别。实验结果与国外同类方法相比,准确性和识别率都显示出优势。第五章提出了一种SAR图像局部特征提取新方法。首先分析了SAR图像的像素梯度信息提取方法和常见的梯度算子,例如ROA算子、ROEWA算子和GR算子。然后介绍了Harris算子、Lo G算子及其适应SAR图像特性的改进—多尺度Harris算子。接下来介绍了图像局部二值模式特征和旋转不变局部二值模式特征,多尺度局部梯度比率直方图特征MLGRPH,并且实验验证了该特征在SAR图像上的旋转不变性能。在上述研究基础上,提出了基于MLGRPH特征的SAR图像局部不变特征提取新方法。实验验证环节,采用不同时相、不同波段、不同极化方式和不同视角成像的多组SAR数据对经典SIFT方法、SIFT-OCT方法和该新方法开展了实验分析与对比,结果表明该方法在性能上优于SIFT方法、SIFT-OCT方法,还可以进一步性能提升的潜力。第六章对本文的工作总结归纳,并对SAR图像局部特征提取方法的下一步研究工作进行了展望。