資源描述：
《多波段多極化sar圖像融合解譯研究》由會員上傳分享，免費在線閱讀，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，獨立進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人或集體已經(jīng)發(fā)表或撰寫過的作品或成果。對本文的研究做出重要貢獻的個人和集體，均已在文中以明確方式標(biāo)明。申請學(xué)位論文與資料若有不實之處，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(SAR)具有全天候、全天時以及穿透能力強等特點，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)，也與雷達觀測角、地物復(fù)介電常數(shù)、雷達發(fā)射波的波長、極化方式等因素有關(guān)，使得單個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)可以獲取多個波段和極化方式下對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圖像解譯的兩個典型應(yīng)用，在“十一五”預(yù)研項目的支持下，本文重點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，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)計模型中，G：分布能夠較好的對復(fù)雜場景建模，然而G：分布參數(shù)估計并沒有得到很好的解決，針對這一問題，本文提出了基于對數(shù)累積量的參數(shù)估計方法，對實測數(shù)據(jù)的擬合實驗表明，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和矩估計方法都有所提高，改進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，對單極化數(shù)據(jù)的分類，本文使用應(yīng)用廣泛的SVM方法，對于全極化數(shù)據(jù)的分類，
6、在對最具代表性的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。利用改進的算法實現(xiàn)了不同波段數(shù)據(jù)的分類，實驗結(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性，因此在Dempster-Shafer證據(jù)理論的框架下，進一步實現(xiàn)了不同波段數(shù)據(jù)的分類決策級融合，結(jié)果證實多個波段信息的融合可以獲得比單個波段更好的分類效果。在對分類結(jié)果進行評價時，因為真實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，對不同波段極化方式下的遮蔽車輛散射功率進行了深入對比研究，發(fā)現(xiàn)入射波越長，目標(biāo)散射功率越強，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)是目前最有可能實用的一類方法，在該算法中，背景雜波統(tǒng)計模型是決定算法性能的關(guān)鍵因素，結(jié)合前面改進的雜波模型對全局CF!AR算法做了改進，利用改進
8、算法分別實現(xiàn)了有偽裝網(wǎng)和無偽裝網(wǎng)時不同波段和極化方式下的車輛檢測，并對檢測結(jié)果進行基于Neyman．Pearson準(zhǔn)則的決策級融合。實驗表明偽裝網(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)情況下進行多波段多極化SAR檢測融合更有
