论文部分内容阅读
SAR(synthetic aperture radar,合成孔径雷达)图像相干斑噪声去除、图像目标的分割和图像特征提取与分析是SAR自动目标识别的重要而关键的处理步骤,随着科学技术地不断发展,SAR图像的处理技术、算法都越来越快速和精准,得到比较迅速地发展。SAR图像目标识别在军事领域的运用越来越广泛,而本文也正是在以SAR目标识别为背景,主要研究介绍了SAR图像的相干斑噪声去除、图像目标的分割和图像特征提取与分析等内容。首先,介绍了SAR图像成像的基本原理,以及相干斑乘性噪声地形成原理,SAR图像噪声的形成与传统光学图像的噪声有着本质区别,SAR图像能够更加清晰地显示出目标图像的细节和轮廓,但是SAR图像伴随着的相干斑噪声对SAR图像地形成有着比较大的影响,随后介绍了SAR图像的去除噪声的几种传统滤波保持平滑边缘滤波、Lee滤波、增强Lee和Frost滤波、gamma MAP滤波和自适应多视图像处理,并且实验结果加以证明自适应多视图像处理在图像的均值保持、等效视数和相对标准差方面都有着其它滤波方法所没有的优势。接下来的,论文对SAR图像的分割进行研究与介绍,图像分割对图像的解译、编译、特征提取与分析有着很重要作用,图像分割的方法有很多,如何能保证对图像的分割之后,还能够很好地保留图像的细节、纹理和边缘信息是主要问题,图像分割的方法比较多,主要有阈值分割法、聚类分割法、统计分割和区域增长法分开合并法,着重介绍了最大类间方差法的多阈值和二维最大类间方差法,并对其如何对SAR图像进行分割运算进行了较为详细地分析。最后论文对图像的特征提取与分析提出了线性判决分析(LDA)及其改进型左投影线性判决分析(L-2DLDA)和右投影线性判决分析(R-2DLDA)、主要分量分析法(PCA)及其改进型左投影主分量分析法(L-2DPCA)和右投影主分量分析法(D-2DPCA),并对这两种算法及其对应的改进型进行了实验结果的对比,实验结果证明改进型的L-2DLDA和R-2DLDA,L-2DPCA和D-2DPCA对图像的总体的协方差矩阵求取,原始特征向量的求取运算量都更加简化,对图像的识别率也更加高。