資源描述：
《多波段多極化sar圖像融合解譯研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、杭州電子科技大學(xué)碩士學(xué)位論文多波段多極化SAR圖像融合解譯研究研究生：曾亮指導(dǎo)教師：林岳松教授陳華杰副教授DissertationSubmittedtoHangzhouDianziUniversityfortheDegreeofMasterAStudyonMulti--bandsandMulti--polarimetricSARImageFusionInterpretationCandidate：LiangZeng一Supervisor：Prof．LinYuesongAsso．Prof．ChenHuajieFebr
2、uary,2011-。——————一杭州電子科技大學(xué)學(xué)位論文原創(chuàng)性聲明和使用授權(quán)說明原創(chuàng)性聲明本人鄭重聲明：所呈交的學(xué)位論文，是本人在導(dǎo)師的指導(dǎo)下，獨(dú)立進(jìn)行研究工作所取得的成果。除文中已經(jīng)注明引用的內(nèi)容外，本論文不含任何其他個(gè)人或集體已經(jīng)發(fā)表或撰寫過的作品或成果。對(duì)本文的研究做出重要貢獻(xiàn)的個(gè)人和集體，均已在文中以明確方式標(biāo)明。申請(qǐng)學(xué)位論文與資料若有不實(shí)之處，本人承擔(dān)一切相關(guān)責(zé)任。做作者簽名．曾荔聃：州／年弓月髟日學(xué)位論文使用授權(quán)說明本人完全了解杭州電子科技大學(xué)關(guān)于保留和使用學(xué)位論文的規(guī)定，即：研究生在校攻讀學(xué)位期間
3、論文工作的知識(shí)產(chǎn)權(quán)單位屬杭州電子科技大學(xué)。本人保證畢業(yè)離校后，發(fā)表論文或使用論文工作成果時(shí)署名單位仍然為杭州電子科技大學(xué)。學(xué)校有權(quán)保留送交論文的復(fù)印件，允許查閱和借閱論文；學(xué)?？梢怨颊撐牡娜炕虿糠謨?nèi)容，可以允許采用影印、縮印或其它復(fù)制手段保存論文。(保密論文在解密后遵守此規(guī)定)論文作者簽名：指導(dǎo)教師簽名：莒嘉降琿盤日期：歹D／／年羅月2多日日期：)。ff年；月工占日杭州電子科技大學(xué)碩士學(xué)位論文摘要合成孔徑雷達(dá)(SAR)具有全天候、全天時(shí)以及穿透能力強(qiáng)等特點(diǎn)，在軍事和民用領(lǐng)域均有著廣泛的應(yīng)用。然而，SAR成像信息
4、不僅與地物類型有關(guān)，也與雷達(dá)觀測角、地物復(fù)介電常數(shù)、雷達(dá)發(fā)射波的波長、極化方式等因素有關(guān)，使得單個(gè)波段單種極化方式下的SAR系統(tǒng)獲取的信息非常有限，隨著相關(guān)硬件技術(shù)的突破，SAR系統(tǒng)可以獲取多個(gè)波段和極化方式下對(duì)同一場景的觀測信息，多源SAR圖像信息的融合應(yīng)用得到越來越多的關(guān)注。地物分類和目標(biāo)檢測是SAR圖像解譯的兩個(gè)典型應(yīng)用，在“十一五”預(yù)研項(xiàng)目的支持下，本文重點(diǎn)研究了如何利用多源SAR圖像信息來提高地物分類率和目標(biāo)檢測精度，主要內(nèi)容如下：1．高分辨率全極化SAP,圖像背景雜波建模與參數(shù)估計(jì)，SAR圖像雜波背景建
5、模是SAR圖像處理分析的基礎(chǔ)，在目前已有的極化SAR統(tǒng)計(jì)模型中，G：分布能夠較好的對(duì)復(fù)雜場景建模，然而G：分布參數(shù)估計(jì)并沒有得到很好的解決，針對(duì)這一問題，本文提出了基于對(duì)數(shù)累積量的參數(shù)估計(jì)方法，對(duì)實(shí)測數(shù)據(jù)的擬合實(shí)驗(yàn)表明，該方法無論在擬合速度和擬合精度上相比已有的最大似然估計(jì)和矩估計(jì)方法都有所提高，改進(jìn)的雜波分布將用在后續(xù)的SAR圖像地物分類和目標(biāo)檢測中。2．多波段SAR地物分類與決策融合，不同波段數(shù)據(jù)具有不同的極化方式，需要使用不同的分類算法，對(duì)單極化數(shù)據(jù)的分類，本文使用應(yīng)用廣泛的SVM方法，對(duì)于全極化數(shù)據(jù)的分類，
6、在對(duì)最具代表性的Lee方法深入分析的基礎(chǔ)上提出了一種改進(jìn)的全極化SAR圖像分類算法，由于該方法引入了螺旋散射和更好的雜波模型，因此在一些復(fù)雜場景中取得了比Lee方法更好的分類效果。利用改進(jìn)的算法實(shí)現(xiàn)了不同波段數(shù)據(jù)的分類，實(shí)驗(yàn)結(jié)果表明不同波段數(shù)據(jù)在區(qū)分不同地物類型上存在一定的互補(bǔ)性，因此在Dempster-Shafer證據(jù)理論的框架下，進(jìn)一步實(shí)現(xiàn)了不同波段數(shù)據(jù)的分類決策級(jí)融合，結(jié)果證實(shí)多個(gè)波段信息的融合可以獲得比單個(gè)波段更好的分類效果。在對(duì)分類結(jié)果進(jìn)行評(píng)價(jià)時(shí)，因?yàn)檎鎸?shí)的專題制圖信息難以獲取，本文以容易獲取的Googl
7、eearth影像為參考，由于使用了整個(gè)場景的樣本數(shù)據(jù)，所以比傳統(tǒng)的人工選擇測試樣本的方法更客觀，更準(zhǔn)確。3．偽裝網(wǎng)遮蔽車輛檢測與決策融合，本文在課題的支持下，在國內(nèi)率先開展了偽裝網(wǎng)遮蔽車輛檢測試驗(yàn)，對(duì)不同波段極化方式下的遮蔽車輛散射功率進(jìn)行了深入對(duì)比研究，發(fā)現(xiàn)入射波越長，目標(biāo)散射功率越強(qiáng)，在同一波段的不同極化中，交叉極化下的目標(biāo)成像效果好于同極化。恒虛警檢測算法(CFAR)是目前最有可能實(shí)用的一類方法，在該算法中，背景雜波統(tǒng)計(jì)模型是決定算法性能的關(guān)鍵因素，結(jié)合前面改進(jìn)的雜波模型對(duì)全局CF!AR算法做了改進(jìn)，利用改進(jìn)
8、算法分別實(shí)現(xiàn)了有偽裝網(wǎng)和無偽裝網(wǎng)時(shí)不同波段和極化方式下的車輛檢測，并對(duì)檢測結(jié)果進(jìn)行基于Neyman．Pearson準(zhǔn)則的決策級(jí)融合。實(shí)驗(yàn)表明偽裝網(wǎng)能夠起到一定的遮蔽效果，降低目標(biāo)檢測率，不同波段和極化檢測結(jié)果的決策級(jí)融合可以提高目標(biāo)檢測率，降低虛警率，提升綜合檢測性能，而且有網(wǎng)時(shí)的檢測性能提升要高于無網(wǎng)，這意味著偽裝網(wǎng)情況下進(jìn)行多波段多極化SAR檢測融合更有
