论文部分内容阅读
极化合成孔径雷达(PolSAR)由于能够提供一定波长和视角下地物目标的全极化散射信息,近年来受到了越来越多的关注。极化目标分解理论将地物雷达散射回波分解为不同类型散射的叠加,因而,通过目标分解处理能够区别不同散射类型的地物——往往对应着不同类别的地物。运动舰船检测是SAR图像目标检测的一个重要研究方向,由于高速运动舰船在SAR图像上会出现位置偏移和散焦,散焦会导致部分舰船信息被海杂波淹没而无法检测。本文基于目标分解理论,提出了一种新的对比增强方法,能够有效增强舰船和海面的对比度,改善舰船检测效果。另外,本文分析了基于独立分量分析(ICA)技术的极化SAR图像相干斑抑制的效果,并且应用于极化SAR图像分类。实验表明,基于ICA技术相干斑抑制后进行分类,可以有效提高分类精度。本文的主要内容包括:(1)讨论了极化散射矩阵、Mueller矩阵、相干矩阵和协方差矩阵等极化数据表示形式及其物理意义,研究了极化目标分解理论,包括经典的Pauli分解、Krogager分解、Cloude分解、Freeman分解等理论,为全文的研究做理论铺垫。(2)研究了极化SAR图像对比增强的相关理论和算法。基于包含运动舰船的海面全极化SAR图像数据,提出了一种目标对比增强的算法。该算法利用目标分解后得到的三种散射分量,用线性加权法重建图像。实验结果表明,该算法可以有效提高舰船区域和海面的对比度,从而提高舰船检测性能。(3)研究了ICA技术在极化SAR图像相干斑抑制及图像分类中的应用,重点讨论了快速不动点迭代ICA(FastICA)算法以及ICA稀疏编码收缩(ICA-SCS)算法,介绍了直接基于ICA的极化SAR图像分类方法。(4)研究了基于目标特征分解的极化SAR图像分类算法。重点讨论了基于Cloude分解的H/α和H/α/Wishart分类算法,讨论了基于特征分解的极化SAR图像分类算法的特点和不足之处,结合ICA相干斑抑制,继而用特征分解类算法进行分类。实验表明,基于ICA技术进行相干斑抑制,作为极化SAR图像分类的一个预处理步骤,可以有效提高分类精度。