| 【中文题名】 | 星载合成孔径雷达图像滤波及理解 |
| 【英文题名】 | Speckle Reducing and Understanding Spaceborne Synthetic Aperture Radar Image |
| 【学科专业】 | 模式识别与智能系统 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2007-3-2 |
| 【中关键词】 | 星载合成孔径雷达,小波变换,图像滤波,图像分类,边缘检测, |
| 【英关键词】 | Spaceborne SAR（Synthetic Aperture Radar）,Wavelet transform,Image denoising,Image classification,Edge detecting, |
| 【分类导航】 | 工业技术>无线电电子学、电信技术>雷达>雷达：按体制分>> |
| 【论文摘要】 |
星载SAR在军事侦察和民用方面都具有重要的作用,展开星载SAR图像的特征提取和目标识别工作具有实际的意义和应用的前景。本文对星载SAR图像滤波和理解方法进行了深入的理论分析和实验研究,主要研究内容包括星载SAR图像的滤波、星载SAR图像的分类和星载SAR图像的边缘检测,通过实验验证了所给算法的有效性。
一个好的滤波方法必须在获得所需的降斑效果的同时,尽可能地减少图像信息(纹理、边缘等)的损失。本文研究了星载SAR图像的滤波方法,提出了一种星载SAR图像的滤波方法;该方法在自适应小波变换的基础上,利用维纳滤波对图像进行自适应处理。通过与已有的一些经典的星载SAR图像滤波算法比较,验证了基于小波变换的滤波器在星载SAR图像去噪的有效性。
星载SAR图像存在相干斑噪声,使得图像的分类精度受到很大影响。针对星载SAR图像分类的两个关键问题:分类特征的选取和分类方法的选择,本文提出一种实用的星载SAR图像无监督分类方法。该方法利用小波分解后的能量分布构成分类特征,采取FCM方法对星载SAR图像进行无监督分类。模拟的和真实的星载SAR图像实验表明,本方法的星载SAR图像分类精度较高。
星... |
| 【论文题纲】 |
|
摘要 |
4-5 |
|
Abstract |
5-8 |
|
图片目录 |
8 |
|
表格目录 |
8-9 |
|
第1章 绪论 |
9-14 |
|
1.1 星载合成孔径雷达 |
9 |
|
1.2 星载合成孔径雷达技术的发展与应用 |
9-11 |
|
1.2.1 星载SAR发展 |
10-11 |
|
1.2.2 SAR实际应用 |
11 |
|
1.3 星载SAR图像分析 |
11-13 |
|
1.3.1 星载SAR图像特点 |
11-12 |
|
1.3.2 星载SAR图像处理与理解 |
12-13 |
|
1.4 论文的主要工作和安排 |
13-14 |
|
第2章 星载SAR图像的基本特性及其小波变换 |
14-26 |
|
2.1 图像数据格式 |
14-16 |
|
2.1.1 原始数据 |
14 |
|
2.1.2 单视复数据 |
14-15 |
|
2.1.3 多视数据 |
15-16 |
|
2.1.4 本文使用的数据 |
16 |
|
2.2 星载SAR图像特性及统计模型 |
16-19 |
|
2.2.1 星载SAR图像特性 |
16-17 |
|
2.2.2 相干斑模型 |
17-18 |
|
2.2.3 相干斑噪声的统计特性 |
18-19 |
|
2.3 图像变换 |
19-21 |
|
2.4 SAR图像的小波变换 |
21-25 |
|
2.4.1 小波变换的定义及特点 |
21-22 |
|
2.4.2 小波变换用于图像处理 |
22-25 |
|
2.4.3 小波变换在星载SAR图像处理中的应用 |
25 |
|
2.5 本章小结 |
25-26 |
|
第3章 基于自适应小波的星载SAR图像滤波 |
26-36 |
|
3.1 引言 |
26 |
|
3.2 星载SAR图像滤波 |
26-30 |
|
3.2.1 滤波效果评价标准 |
26-27 |
|
3.2.2 星载SAR图像空间滤波技术 |
27-30 |
|
3.3 基于自适应小波的星载SAR图像滤波 |
30-32 |
|
3.3.1 基于小波变换的图像滤波 |
30-31 |
|
3.3.2 自适应星载SAR图像滤波算法 |
31 |
|
3.3.3 算法中的关键问题 |
31-32 |
|
3.4 实验及其结果 |
32-35 |
|
3.4.1 星载SAR图像滤波实验 |
32-34 |
|
3.4.2 结论 |
34-35 |
|
3.5 本章小结 |
35-36 |
|
第4章 基于小波能量分布的星载SAR图像分类 |
36-46 |
|
4.1 引言 |
36 |
|
4.2 星载SAR图像分类综述 |
36-39 |
|
4.2.1 分类特征的选取 |
36-38 |
|
4.2.2 分类方法的选择 |
38-39 |
|
4.3 基于小波能量分布的星载SAR图像分类 |
39-43 |
|
4.3.1 小波能量比例分布特征 |
39-40 |
|
4.3.2 模糊C-均值分类 |
40-41 |
|
4.3.3 聚类有效性函数 |
41-42 |
|
4.3.4 星载SAR图像分类算法 |
42 |
|
4.3.5 算法关键问题 |
42-43 |
|
4.4 实验及其结果 |
43-45 |
|
4.4.1 星载SAR图像分类实验 |
43-44 |
|
4.4.2 不同特征分类比较 |
44-45 |
|
4.4.3 结论 |
45 |
|
4.5 本章小结 |
45-46 |
|
第5章 基于平稳小波变换的高鲁棒性星载SAR图像边缘检测 |
46-55 |
|
5.1 引言 |
46 |
|
5.2 几种常见的边缘检测技术 |
46-49 |
|
5.2.1 梯度算子 |
46-48 |
|
5.2.2 Canny及小波边缘检测 |
48-49 |
|
5.2.3 比值边缘检测算法 |
49 |
|
5.3 基于平稳小波变换的高鲁棒性星载SAR图像边缘检测 |
49-51 |
|
5.3.1 Canny边缘检测准则 |
49-50 |
|
5.3.2 特征向量 |
50 |
|
5.3.3 星载SAR图像边缘检测算法 |
50-51 |
|
5.3.4 算法关键问题 |
51 |
|
5.4 实验及其结果 |
51-54 |
|
5.4.1 星载SAR图像的边缘检测 |
51-53 |
|
5.4.2 边缘检测算法的鲁棒性 |
53-54 |
|
5.4.3 结论 |
54 |
|
5.5 本章小结 |
54-55 |
|
第6章 SAR图像处理平台研制 |
55-60 |
|
6.1 前言 |
55 |
|
6.2 SAR图像处理软件设计 |
55-59 |
|
6.2.1 SAR图像滤波子菜单设计 |
57-58 |
|
6.2.2 SAR图像分类子菜单设计 |
58 |
|
6.2.3 SAR图像边缘检测子菜单设计 |
58-59 |
|
6.3 本章小结 |
59-60 |
|
结束语 |
60-62 |
|
一、体会 |
60 |
|
二、论文主要工作 |
60 |
|
三、论文的创新点 |
60-61 |
|
四、展望 |
61-62 |
|
致谢 |
62-63 |
|
参考文献 |
63-66 |
|
作者在攻读硕士学位期间发表的学术论文 |
66 |
|
| 【DOI】 | LunWen.ID:2.2008.345902 |
