论文部分内容阅读
三维合成孔径雷达(Synthetic Aperture Radar, SAR)不仅具有传统合成孔径雷达全天候和全天时的特点,而且还可以获得目标点的高程信息,已使其越来越广泛地被应用到对地表目标的探测与信息获取中。本文针对三维SAR中的干涉SAR及下视阵列SAR采集到的数据分别进行研究。主要工作如下：(1)针对干涉SAR采集到的DEM(Digital Elevation Model)数据,提出一种新的基于曲率熵和高斯混合模型(Gaussian Mixture Model, GMM)的DEM简化算法。DEM数据通常具有海量的特点,在建模之前首先需要对其进行简化处理。地形中的曲率和熵特征可以分别描述地表的复杂程度,可用于地形简化中。本文将曲率与熵信息相结合形成曲率熵,依据曲率熵的大小对GMM分类后的数据进行简化,并从定量和定性两种评价指标上对结果进行分析。实验结果表明,与传统的简化方法相比,本文提出的简化方法在精度、地形保持度上都要更优,更加适合于结构复杂的地形。(2)针对下视阵列SAR采集到的三维规则体数据,给出了一种在重建过程中能够自动修补空洞数据点的方法。由于下视阵列SAR的成像方法及几何角度等原因,使得采集到的数据存在空洞,这就对重建方法提出了更高层次的要求。本文首先引入大津法对数据进行去噪,然后将图像处理领域中的Chan-Vese模型应用到下视阵列SAR数据的几何建模中,并选取符号距离函数做为初始曲面,内积函数做为轮廓指示函数完成对空洞的修补。最后将重建结果与基于等值面抽取的移动立方体算法进行比较,证明本文算法在建模及修补空洞数据上的有效性。