SAR圖像處理方法與研究應(yīng)用前景

1、SAR圖像處理方法與研究應(yīng)用前景SAR圖像幾何校正2概述2SAR圖像的幾何特征2SAR 圖像幾何糾正方法3SAR圖像斑點噪聲3概述3斑點模型4去除斑點噪聲算法比較5相干斑抑制技術(shù)的性能評估7SAR圖像分類技術(shù)7雷達圖像分類概述7SAR圖像分類傳統(tǒng)技術(shù)7SAR圖像分類新方法8采用新信息、新特征8應(yīng)用新理論10SAR圖像分割11圖像分割說明11圖像分割方法12SAR圖像特征信息提取13特征提取說明13特征提取方法13SAR圖像中目標的識別14目標識別說明14目標識別方法14SAR圖像融合15圖像融合概述15SAR圖像融合方法15SAR圖像恢復(fù)16圖像恢復(fù)說明16圖像恢復(fù)方法17SAR圖像解譯17S

2、AR圖像處理存在的問題17圖像處理現(xiàn)存的問題17微波遙感有待進一步研究的問題18SAR圖像處理新進展19SAR圖像研究的應(yīng)用20引用領(lǐng)域20SAR圖像處理研究與應(yīng)用的前景20SAR圖像幾何校正概述雷達圖像是斜距投影，原始圖像的幾何失真大，做定量的幾何分析比較困難，因此，為了更好地利用雷達圖像，必須對此進行幾何校正。星載SAR圖像通常分為地距產(chǎn)品和斜距產(chǎn)品。地距產(chǎn)品是系統(tǒng)中加入延時補償裝置以實現(xiàn)改正斜距投影，而斜距產(chǎn)品則沒有加以改正。地距產(chǎn)品是系統(tǒng)加以延時而產(chǎn)生的，它沒有考慮到地形的變換所引起的變形，知識對由于斜視產(chǎn)生的時間延遲加以改正。從某種意義上講，它破壞了系統(tǒng)成像的幾何關(guān)系。如果利用構(gòu)想方

3、程來糾正，糾正的精度較差；如果把它當(dāng)作中心投影并按多中心投影的幾何關(guān)系來加以糾正，精度會高一些，這時因為地距產(chǎn)品影像與地形的關(guān)系接近于中心投影的幾何關(guān)系。但是它沒有從根本上解決由于斜視對地形變化所產(chǎn)生的影像變化，所有糾正精度不很理想。SAR圖像的幾何特征 在雷達成像中，目標的位置在方向上按雷達飛行的時序記錄成像，而在距離向是按目標反射信息先后來記錄成像及斜距成像，因而它有不同于一般光學(xué)影像的幾何特征。透視收縮：出現(xiàn)在距離向是指圖像依比例尺測量距離比實際距離小的特征。收縮的大小隨波束入射角的變化而變化，例如山坡這樣的目標，即使前、后坡的大小一樣，由于透視收縮的原理，使得圖像正對波束的一面較窄，而

4、背對波束的一面較寬。定點位移：雷達是距離成像，目標距天線的距離越近，成像則越靠近航跡線，因此，高出地面的物體的影像靠近航跡線，而低于地面的物體的影像原理航跡線。頂點位移的大小同物體的高度和波束的入射角有關(guān)。陰影：雷達成像是側(cè)視的，發(fā)射的電磁波沿直線傳播，因此，高的物體阻擋雷達發(fā)射的電磁波，而位于高物體之下的地物不能反射電磁波，不能成像從而形成陰影。陰影的大小跟物體的高度、雷達天線的俯角以及背坡坡角有關(guān)。疊掩：多個目標由于斜距相同，它們在影像上具有相同的位置 ，使這點的灰度值很大，這種現(xiàn)象叫做疊掩。SAR 圖像幾何糾正方法目前已經(jīng)提出了一些處理方法，如：1）利用SAR的斜距信息和DEM來模擬SA

5、R成像的透視收縮，然后利用TM影像來與之相匹配，最后達到糾正的目的。2）利用DEM和后向散射函數(shù)以及衛(wèi)星輔助數(shù)據(jù)記錄模擬雷達影像并生成DEM地址文件，在模擬影像上給每個像素指定一個地理參考位置，然后進行匹配與重采樣，以實現(xiàn)圖像的每個像素作必要的坐標變換，生成一種以地面坐標系為標準的新圖像。3）方圣輝 舒寧 潘斌在“ERS-1SAR圖像的幾何處理的研究”中，提供的模式是按照SAR的構(gòu)象方程，利用星歷參數(shù)建立的，可以達到很好的糾正精度：（1）利用影像的頭文件提供的參數(shù)把地距產(chǎn)品轉(zhuǎn)化為斜距產(chǎn)品；（2）利用斜距投影建立糾正數(shù)學(xué)模型。SAR圖像斑點噪聲概述成像雷達獲得的SAR圖像是地物對雷達波散射特性的

6、反映。由于成像雷達發(fā)射的是純相干波，這種信號照射目標時，目標的隨機散射信號與發(fā)射信號的干涉產(chǎn)生斑點噪聲，并使圖像的像素灰度值劇烈變化，即在均勻的目標表面，有的像素呈現(xiàn)亮點，有的呈暗點，模糊了圖像的精細結(jié)構(gòu)，使圖像解譯能力降低。SAR圖像中的相干斑噪聲與數(shù)字圖像處理中所遇到的噪聲有本質(zhì)的不同，這是因為它們形成的物理過程有本質(zhì)上的差別。SAR圖像中的相干斑噪聲是在雷達回波信號中產(chǎn)生的，是包括SAR系統(tǒng)在內(nèi)所有基于相干原理的成像系統(tǒng)所固有的原理性缺點；而數(shù)字圖像處理中的椒鹽噪聲和高斯噪聲等式在對照片進行采樣、量化、壓縮、傳輸和解碼等數(shù)字化過程中，以及照片本身在保存過程中的退化所引起的，是直接作用到圖

7、像上的。形象地講，一塊均勻場景的SAR圖像中，相鄰的像素點之間的灰度會圍繞著某一均值隨機地起伏變化，這種現(xiàn)象成為相干斑現(xiàn)象，這種嚴重影響SAR圖像質(zhì)量的噪聲稱為相干斑噪聲。SAR相干斑的抑制方法大致可分為三類：第一類是所謂的多視角平均處理方法，即平均幾幅由同一合成孔徑的不同分段形成的、不相干的SAR圖像，以得到相干斑抑制的SAR圖像。該方法的缺點是會使圖像的空間分辨率降低，并且對斑點也不理想。第二類是空間域的處理方法，即利用圖像像素間的空間相干性來對相干斑進行濾波，以抑制相干斑?？沼虻奶幚矸椒ǔＲ姷挠芯禐V波器、中值濾波器、J. S. Lee的局部統(tǒng)計濾波器、最小均方誤差濾波器、sigmoid

8、濾波器、最大后驗和形態(tài)濾波器等?？沼虻姆椒ㄒ话闶抢靡粋€滑動窗口，對窗口內(nèi)的像素進行加權(quán)求和以得到窗口中心點的像素灰度值的濾波方法。同樣該方法也會降低空間分辨率，使圖像變得模糊，但如采用自適應(yīng)窗口或結(jié)合結(jié)構(gòu)檢測等則可以部分地減少空間分辨率的降低。第三類是多極化、多頻段、多時段的處理方法，該類方法的特點是組合多種因素所包含的信息（包含各因素所含信息以及各種因素之間的聯(lián)系所呈現(xiàn)出來的信息），綜合考慮以期得到更好的相干斑抑制的處理方法。該類方法有Novak和Burl提出的極化白化濾波器(PWF)，在此基礎(chǔ)上的導(dǎo)出的用于多視情況的多視加護白化濾波器(MPWF)、J. S. Lee的最優(yōu)權(quán)值濾波器(We

9、ighting Filter)和適量濾波器(Vector Filter)等。斑點模型斑點模型：斑點是由于在一個分辨單元中的小的散射體間的相互干涉形成的。相干斑噪聲模型：1）瑞利相干斑模型；2）多視處理相干斑模型；SAR圖像斑點噪聲大，如果幅度分布式高斯型的，相位分布式均勻的，則像素幅度為瑞利分布。相干的結(jié)果可能是增強型的，也可能是削弱型的，這取決于是增強型干涉還是削弱型干涉。雷達圖像的質(zhì)量可主要以圖像分辨率來表征，圖像分辨率包括空間分辨率和灰度分辨率?？臻g分辨率包含的方位向和距離向分辨率分別由合成孔徑技術(shù)和脈沖壓縮技術(shù)得以實現(xiàn)。圖像的灰度分辨率與雷達斑點噪聲的特征有密切關(guān)系。由于SAR是一種相

10、干成像系統(tǒng)，對分布式目標作相干處理必然產(chǎn)生相干斑(speckle)，它直接影響到圖像的分辨率，降低了SAR對目標的探測能力和分析、解譯能力。相干斑點噪聲是由一個分辨單元內(nèi)眾多散射體的散射波迭加形成的。當(dāng)圖像像素間距與雷達分辨率相當(dāng)時，噪聲功率是非相關(guān)的。這種情況下，可以假設(shè)相干斑是以一種不相關(guān)的乘性噪聲，在以后的討論中都以此假設(shè)為前提。針對SAR圖像斑點噪聲的特殊性，即在小波變換域內(nèi)圖像和斑點噪聲的奇異性不同，選取合適的門限在小波域內(nèi)濾波。去除斑點噪聲算法比較去除斑點噪聲采用空域濾波算法，如均值濾波、中值濾波、Frost濾波、Lee濾波、Gamma MAP濾波等，同樣在頻域也進行濾波處理。到2

11、0世紀90年代，已有不少利用極化信息的相干斑抑制算法，代表性的算法有以下幾種：1）Zebker等的權(quán)功率(span)法，就是將各個極化通道的強度圖像直接進行非相干的相加，該方法可得到一定的相干斑抑制效果，并且在視覺上也有較為明顯的改進。2）Lee等的最優(yōu)加權(quán)(Optimal Weighting)法，該方法實際上時對span圖像的推廣，它對各個極化通道強度圖像數(shù)據(jù)進行一定權(quán)值的線性組合，并采用最小均方誤差準則來約束權(quán)值的取值，從而達到減少相干斑的目的，這兩個算法的去點都是只利用了各個極化通道的幅度信息，而沒有利用相位信息，因此相干斑的抑制效果有限。3）Novak等極化白化濾波(Polari me

12、tric Whitening Filter, PWF)法，Goze和Lopes的最小均方差(Minimum Mean Square Error, MMSE)法以及電子科技大學(xué)劉國慶等在PWF基礎(chǔ)上提出的多視極化白化濾波(Multi-look Polari metric Whitening Filter, MPWF)法等。這些算法對均勻場景都有較好的效果，但尚需解決極化信息保護、紋理結(jié)構(gòu)特征保護和場景自適應(yīng)性三大問題。對相干斑的抑制技術(shù)大體分兩類：成像前的多視平滑預(yù)處理技術(shù)和成像后的濾波技術(shù)。成像后的濾波技術(shù)又可分為：1）空間濾波技術(shù)；2）頻域濾波技術(shù)。研究相干斑濾除技術(shù)的一個重要方向就是求得需

13、要的灰度分辨率的同時如何保持必要的空間分辨力，因為二者都是SAR圖像分析與應(yīng)用的重要因素，所以著重考慮在濾除斑噪的同時，保持圖像的細節(jié)信息（紋理、邊緣）。（1）劉永昌，張平，嚴衛(wèi)東，“小波包域值法去除合成孔徑雷達圖像斑點噪聲”，在一般方法基礎(chǔ)上提出了小波包閾值法去除合成孔徑雷達圖像斑點噪聲方法。屈曉榮。（2）“小波分析在SAR圖像處理中的應(yīng)用”提出了基于自適應(yīng)加權(quán)中值濾波前處理的多尺度非線性閾值斑點噪聲消除算法和利用Harr小波抑制條紋干擾的算法，取得了很有意義的研究成果。（3）Do和Vetterli提出了一種較小波變換有更好的方向選擇性，對二維信號更稀疏的表示方法Contour let變換。

14、Contour let變換有效地保留了圖像的幾何信息，因而在圖像分析應(yīng)用（去噪、紋理特征提?。┹^小波變換有了明顯的改善。但Contour let變換中的下抽樣及上采樣操作會產(chǎn)生頻譜混淆，使Contour let變換不具有平移不變性。（4）針對Contour let的這些缺陷，Cunha、Zhou和Do提出了具有平移不變性的Contour let變換Non-sub-sampled Contour let變換。Non-sub-sampled Contour let變換(NSTC)由非抽樣塔式分解和非抽樣方向濾波器組時相，是一種具有平移不變性的多尺度、多方向圖像分析方法，能有效地捕捉圖像的幾何信息。

15、（5）傳統(tǒng)的SAR圖像斑點噪聲的抑制算法有兩大類：第一類是基于空間域濾波的Lee濾波、Forest濾波、Gamma MAP濾波。這些標準的濾波器雖然算法簡單且對斑點噪聲有很強的抑制能力，但無法有效保持圖像的邊緣信息，易造成邊緣的模糊化。第二類是基于小波閾值的去除噪聲算法，利用了小波變換的多分辨率特性。但是，小波變換的方向選擇性非常有限，且不具有平移不變形。而平移不變形對由濾波器實現(xiàn)的圖像多尺度分解而言至關(guān)重要，平移不變形的全燒導(dǎo)致了偽吉布斯現(xiàn)象的產(chǎn)生，并且閾值去除噪聲方法存在著對小波系數(shù)“過扼殺”的傾向，在保持邊緣細節(jié)方面，效果并不理想，因此小波閾值去除噪聲后的重建圖像邊緣容易產(chǎn)生吉布斯效應(yīng)，

16、造成圖像邊緣的損失。（6）小波變換具有多分辨率分析的特點，在時域和頻域中都具有表征信號局部特征的能力，是一種時域局部化分析方法，利用小波變換和多分辨率分析發(fā)展相干斑抑制新方法是一個很有意義的研究方向。（7）Victor S. Frost等人針對 合成孔徑雷達圖像提出了一種抑制噪聲方法；Victor S. Frost, Josephine Abbott Stiles, K. S. Shanmugan, Application to Adaptive Digital Filtering of Multiplicative Noise. IEEE Trans. On Pattern Analysis

17、 and Machine Intelligence 1982（8）D. T. Kuan等人推導(dǎo)了抑制加性噪聲和乘性噪聲的濾波器。Darwin T. Kuan, Alexander A. Sawchuk, Timothy C. Strand, Pierre Chavel. Adaptive Noise Smoothing Filter for Images with Signal-Dependent Noise. IEEE Trans. On Pattern Analysis and Machine Intelligence 1985（9）Jong-Sen Lee 提出了適合加性和乘性噪聲的濾波

18、器。J. S. Lee, Digital Image Enhancement and Noise Filtering by Use of Local Statistics. IEEE Trans. On Pattern Analysis and Machine Intelligence 1980（10）Armand Lopes根據(jù)SAR圖像的統(tǒng)計分布特點，提出了MAP（最大后驗概率）濾波器。（100）ML降斑、MMSE降斑、MAP降斑、CMAP降斑、模擬退火降斑、相干斑抑制技術(shù)的性能評估為了定量或定性地比較各種相干斑濾波技術(shù)，我們首先建立一套準則以便對各種濾波技術(shù)進行科學(xué)的比較。這套準則應(yīng)包括

19、對相干斑的抑制能力的衡量；對均勻區(qū)域均值的保留，即要求濾波具有無偏性；對邊緣銳度及細微特征的保護；對強點的保護；紋理特征的保留；對一些應(yīng)用還需考慮計算效率以及實現(xiàn)的復(fù)雜性等。目前被廣泛接受的SAR相干斑抑制指標有：（1）對均勻區(qū)域，等效視數(shù)越大濾波越好；（2）空間分辨率和輻射分辨率損失越小越好；（3）使人的視覺滿意；重點考慮的準則：相干斑抑制能力、特這個點的保持性、邊緣銳度的保持性、均勻區(qū)域的均值保持、相干斑抑制、點，線和邊緣的保持、紋理信息的保持。SAR圖像分類技術(shù)雷達圖像分類概述SAR圖像分類傳統(tǒng)技術(shù)和光學(xué)圖像處理一樣SAR圖像分類新方法雷達遙感圖像分類算法朝著精確、快速的方向發(fā)展。發(fā)展新

20、的分類技術(shù)一般有3種途徑：第一，利用從雷達遙感數(shù)據(jù)中提取的新信息和新特征。如從計劃雷達數(shù)據(jù)中提取任一種極化狀態(tài)下的后向散射系數(shù)、極化度、散射熵、同極化相位差以及從干涉雷達 中提取的相關(guān)系數(shù)等等；第二，應(yīng)用新理論。如基于小波理論、分形理論的雷達遙感圖像紋理信息提取和基于模糊理論的混合像元分解等等；第三，設(shè)計新算法。如何實現(xiàn)這一目標，途徑千差萬別，但一般從兩個方向入手：（1）改進經(jīng)典算法。由于經(jīng)典算法有這樣或那樣的缺點，因?qū)ζ溥M行改進是發(fā)展分類算法的有效途徑，如對最大似然法進行改進；（2）構(gòu)造新算法。由于經(jīng)典算法的局限性，針對經(jīng)典算法暴露出來的一些缺點，重新構(gòu)造算法也是十分有效的。構(gòu)造新算法可以完

21、全拋棄舊算法，也可以吸收舊算法的優(yōu)點，拋棄其缺點，如學(xué)習(xí)矢量量化神經(jīng)網(wǎng)絡(luò)分類算法。采用新信息、新特征傳統(tǒng)的SAR圖像分類一般利用目標的后向散射強度差別來進行，后來逐漸利用圖像的紋理測度信息，一般是灰度共現(xiàn)矩陣GCLM。隨著新型城鄉(xiāng)雷達技術(shù)的發(fā)展（極化、干涉、極化干涉），雷達獲取目標新信息越來越多，因此，在SAR分類算法發(fā)展中，針對不同的分類目的，新信息、新特征的采用變得十分普遍。多波段、多極化信息采用不同微波波段圖像，可以對地面上的而目標進行分類。例如不同農(nóng)作物在不同波段上的變化規(guī)律不同，并且在不同的生長期，變化規(guī)律也不同，利用這一缺點，可以對農(nóng)作物進行分類。同樣，土壤濕度和表面粗糙度不同，在

22、不同波段上夜能體現(xiàn)出來。因此，采用不同波段的SAR圖像進行綜合分析，可以獲取地面目標的更詳細信息。不同極化方式對不同種類的地物及其構(gòu)造有不同的反應(yīng)，因此，多極化的SAR圖像在對地面目標的分類上夜將提供很好的幫助。極化雷達信息極化雷達以Stokes矩陣（或散射矩陣）形式，記錄了地物任意一種極化狀態(tài)下的散射回波，既有振幅信息，也有相位信息，比常規(guī)單極化或多極化雷達包含了更多的地物信息（如任一極化狀態(tài)下的后向散射系數(shù)、極化度、同極化率、交叉極化率、散射熵及同極化相位差等等），它將明顯提高定量雷達遙感解決應(yīng)用問題的能力。極化信息提取能在最大程度上講不同地物的散射特征以量得形式表現(xiàn)出來，揭示地物的散射差

23、別，為土地覆蓋分類、目標識別及目標參數(shù)反演提供新的技術(shù)方法。如王翠珍等利用極化雷達目標信息分解技術(shù)進行巖性分類，獲得了很高的分類精度。當(dāng)前，SIR-C/X-SAR系統(tǒng)可實現(xiàn)這種數(shù)據(jù)的獲取，不久，Envisat和Radarsar-2也將獲取多極化干涉數(shù)據(jù)的能力。因此，利用技術(shù)信息進行分類具有很好的應(yīng)用前景，它將是味蕾廣泛應(yīng)用的數(shù)據(jù)源。研究極化雷達信息提取與特征選擇方法對提高SAR圖像分類精度具有重要意義。當(dāng)前國際上有關(guān)此面的研究已經(jīng)不少，國內(nèi)由于受數(shù)據(jù)源的限制，研究極少。干涉雷達信息雷達干涉測量是雷達遙感的一個熱點研究領(lǐng)域，數(shù)據(jù)處理的算法已發(fā)展得比較成熟，有待進一步研究完善的是相位解繞技術(shù)，以達

24、到工程化應(yīng)用的要求。干涉測量獲得的相干系數(shù)可作為獨立的參量用于地物分類。出了兩次數(shù)據(jù)獲取間的時相變化，相干系數(shù)提供了基于地表特性和后向散射系數(shù)的信息。干涉測量相干性和后向散射是相對獨立的量，包含了互補的專題信息，因此，SAR干涉測量被認為是地表分裂的一種很有前景的手段。極化干涉信息極化分類技術(shù)或干涉分裂技術(shù)的單獨應(yīng)用，既有它們獨特的優(yōu)勢，也存在缺點，如何融合它們的長處。互補不足，這對于高精度、非監(jiān)督、利用計算機自動分類雷達遙感圖像，是最有前景的分類技術(shù)。因此，嘗試利用技術(shù)提取信息和干涉信息進行SAR圖像自動分類試驗，并對其結(jié)合互補使用的可行性進行研究。具有重要意義。同物異譜、異物同譜、混合像元

25、的存在，混淆了地物目標真正的散射特征，甚至有時會出現(xiàn)相互矛盾的結(jié)論，因此一直是常規(guī)雷達遙感圖像分類應(yīng)用中的難點。新型城鄉(xiāng)雷達技術(shù)權(quán)計劃干涉雷達，能夠最大限度地提取目標特征后向散射信息和地物信息以及時相信息，結(jié)合空間域紋理信息與其他特征機型分類，可以較好地解決同物異譜、異物同譜像元的解譯問題，并且通過對極化雷達數(shù)據(jù)的極化分析，可對混合像元進行計劃度分解，將混合像元中不同地物的散射過程分解出來。多時相信息對光學(xué)遙感而言，雖然時相信息比較難于獲取，但是仍然不乏實例，而對于雷達遙感，SAR具備的全天時全天候獲取信息的能力幾乎可以滿足任何應(yīng)用的時相要求，多時相信息對于雷達遙感而言，是一種極易獲得而又具有

26、重要研究意義的信息。如劉浩、邵蕓等將1996年獲取的4個時相的Radar sat像用于廣東肇慶地區(qū)的稻田分類實驗，結(jié)果表明，多時相Radar sat數(shù)據(jù)對水稻類型的識別精度較高，而且稻田的輪作規(guī)律容易推測出來。其他輔助信息與特征大量的分類實踐證明：單一信息作為判據(jù)往往不能得理想的分類效果。根據(jù)遙感影像人工判讀的規(guī)律，模式分類往往需要綜合許多信息，比如灰度變化、紋理特征、地形信息、多源遙感信息，甚至人文地理信息。因此，綜合利用各種信息進行遙感圖像分類一直是搖桿應(yīng)用科學(xué)家們探索的方向之一。應(yīng)用新理論幾年來，足多新的數(shù)學(xué)理論被用于遙感圖像分類算法的發(fā)展過程中，其中，最常見的是小波理論、分形理論和模糊

27、理論。小波理論小波理論是一種全新的、當(dāng)前熱點研究的數(shù)學(xué)應(yīng)用分支之一。它被認為是泛函分析、Fourier分析、樣條分析、調(diào)和分析和數(shù)值分析最完美結(jié)合，其應(yīng)用極為廣泛。如何把小波理論應(yīng)用于遙感數(shù)據(jù)處理時近年來遙感發(fā)展的方向之一。在遙感圖像分類中，小波變換一般用來提取圖像中的紋理特征，SAR圖像分二維正交方向小波分解可得一系列代表不同尺度、不同方向紋理信息的圖像。1）胡召玲等作了基于小波紋理信息提取的SAR遙感圖像分類技術(shù)研究，取得了很好的分類效果。分形理論在圖形圖像學(xué)中，分形理論可以模擬自然景物。利用分形維數(shù)來描述圖像的紋理特征，能在一定成都上定量地度量各類物體的粗糙度。不同紋理結(jié)構(gòu)具有不同的分形

28、維數(shù)，在紋理細密處，灰度起伏較大，分維數(shù)值也較大；在紋理平滑處，灰度變換平緩、分維數(shù)值較小。1）范湘濤利用從SAR圖像上提取的分維數(shù)特征進行了廣東肇慶地區(qū)的水稻精細分類，發(fā)現(xiàn)在摻入分維數(shù)計算的產(chǎn)生過程作為紋理參量時，分類結(jié)果得到了大大的改善，特別是草地與道路被截然分開，水稻與道路的區(qū)別也得到增強，從檢測的樣區(qū)可以看出，平均分類精度從86.66%增大到96.19%。由此看來，增加分形紋理參量對土地利用分類有著明顯的效果。模糊理論混合像元是分類過程中經(jīng)常遇到的問題。模糊理論是解決混合像元問題的方法之一。1993年，Helence Caillol等利用模糊隨機場進行統(tǒng)計非監(jiān)督圖像分割，他利用新的模糊

29、模型，把分類像元分為兩部分，一部分為“硬”部，即純像元；另一部分為“模糊”部，用來描述混合像元。應(yīng)用模糊理論進行遙感圖像分類的成功實踐還有許多，如Du和Lee應(yīng)用模糊理論進行了分類實驗，并取得了良好的效果。設(shè)計新算法分層算法、改進的最大似然法、上下文分析法、人工神經(jīng)網(wǎng)絡(luò)分類法、空間分裂信息融合法；SAR圖像分割圖像分割說明目前SAR圖像分割技術(shù)已經(jīng)取得了一些研究成果，常用的方法有基于直方圖的最優(yōu)閾值分割算法、基于邊緣檢測的算法、基于紋理特征分割的算法等等。現(xiàn)有的SAR圖像分割算法有應(yīng)用數(shù)據(jù)挖掘的海冰分割算法；非監(jiān)督的基于播送分布的分割算法；優(yōu)化的邊緣檢測分割算法；最大似然區(qū)域增長分割算法和模擬

30、退火分割算法的組合算法；應(yīng)用不完全分層馬爾科夫隨機場圖像模型對SAR圖像進行分割的算法等等。這些方法有的是由針對性的，有的是基于幾何條件的，還有的是基于灰度信息的分割方法。圖像分割方法1）紋理分割是基于特征的。描述紋理的特征很多，但目前還沒有提出一種紋理特征可以描述所有紋理。經(jīng)多年研究表明，尋找可以描述任何紋理、可以區(qū)分任何紋理的特征是不切實際的。實際中針對不同的應(yīng)用尋找適合某類紋理的特征，由此得到滿意的分割才是切實可行的。在割裂分割方法中，基于算子的特征計算較為簡單，但大多方法抗噪聲能力差；基于統(tǒng)計的特征計算量大、分割精度差，同樣受到噪聲的影像；分形模型使用范圍較小，只在個別分辨率下有分割紋

31、理的能力，分數(shù)維門限值確定困難，分割精度差?；陔S機場的模型對大尺寸、灰度級較多的圖像分割計算量是很大的；多分辨率小波的紋理特征具有先天的缺點（逐點采樣造成的紋理信息不全），很難得到穩(wěn)定的紋理特征，并且計算量較大；結(jié)構(gòu)法僅適合規(guī)則紋理。法國的Roger Fjortoft, Armand Lopes和Philippe Marthon提出了SAR圖像中最佳的多邊緣檢測算法，它們提出針對SAR圖像的邊緣檢測器，這種檢測器在隨機多邊緣模型下以最小均方誤差判斷是最優(yōu)的。2）現(xiàn)有二維閾值分割方法大多是在一維Otus和Kapur等閾值分割方法基礎(chǔ)上擴展獲得的；Sahoo P K等提出二維熵的分割方法，理論上

32、同意了多種基于熵的閾值分割方法。3）圖像閾值分割本質(zhì)上是利用閾值將圖像中不同區(qū)域按照像素的灰度相似性分類，是一種區(qū)域分割的技術(shù)，因此該類方法最關(guān)心的是區(qū)域內(nèi)像素間的灰度相關(guān)性，而非各區(qū)域的邊緣。相對于二維直方圖，閾值分割技術(shù)最關(guān)心的餓是在對角線附近的概率分布。而遠離對角線附近的一方面概率幾乎為零另一方面對閾值分割方法本身的貢獻較小，計算時完全可以忽略。4）馬爾科夫隨機場(Markov Random Field, MRF)模型能夠很好描述相鄰像素之間的信息，該模型還可以與其他模型結(jié)合進行圖像黑醋栗并且得到了不錯的效果，并已經(jīng)越來越多地應(yīng)用于SAR圖像去辦、模糊聚類、圖像變換等方面。5）免疫算法是

33、借鑒生命科學(xué)中免疫的概念和理論提出的一種優(yōu)化算法，它繼承了遺傳算法的優(yōu)越性，其避免了優(yōu)化過程中的退化現(xiàn)象。空間矩陣描述了不同區(qū)域間的相鄰概率。空間矩陣描述了兩類之間以及異類之間在空間上的相鄰概率，SAR圖像地物輪廓清晰，不同形狀和物理特征的目標呈現(xiàn)出不同的灰度和紋理特征。即SAR圖像有同類像素的相鄰概率大于異類像素的相鄰概率的特點。SAR圖像特征信息提取特征提取說明SAR圖像目標的灰度信息是目標識別最直接的信息或特征。在不考慮照射條件和尺寸的條件下，SAR圖像目標的灰度信息或灰度特征具有位移不變、旋轉(zhuǎn)布點、放縮布點的三因素不變形。邊緣特征提取、紋理特征提取、形狀特征提取、方向特征提取、特征提取

34、方法1）法國巴黎高等電信工程學(xué)院的Tupin F等人提出了適合貝葉斯框架下檢測線性特征的算法。該算法分為兩步：第一步，從包含斑點噪的圖像中提取線性特征，并作為道路分割的基元。它在作用線性檢測器D1和D2后進行兩種檢測器的融合，從而得路的片段結(jié)果。兩種檢測器都是基于斑點噪聲的隨機特性。第二步，將路的片斷連接成真實的道路，主要采用在路德片斷結(jié)果中定義馬爾科夫隨機域，引入道路目標的相關(guān)先驗知識（路德長度、曲率、是否交叉等），采用模擬退火算法求馬爾科夫隨機域中的能量極小點，為了提高檢測的準確程度，算法中還采用了一些后處理方法。在此算法的基礎(chǔ)上，F(xiàn)lorence Tupin、Isabelle Bloch

35、和Henri Maitre通過幾種結(jié)構(gòu)檢測器結(jié)論對SAR圖像的自動解釋做出了貢獻，并進一步研究了運用SAR圖像和多視角的有效性，對高密度市區(qū)道路檢測問題。針對道路的描述，論文作者對道路長度、寬度的計算，道路方向、質(zhì)地的判別進行討論，給出了相應(yīng)的算法。2）Mandelbrot首先提出采用分形維數(shù)來描述和測量分形的特性。分數(shù)維是一個對圖像的不規(guī)則程度和破碎程度的度量，它包含相應(yīng)集幾何性質(zhì)的許多信息，反映分形體得比例性質(zhì)及自相似性。對同一自然景觀，分維數(shù)大小反映其表面的規(guī)則程度和粗糙度，即分形維數(shù)越大，對應(yīng)的圖像表面越粗糙；反之，分形維數(shù)越小，對應(yīng)的圖像表面越光滑。其灰度圖像的分維數(shù)反映灰度分布的特

36、征并間接反映出自然表面得某些特性。采用構(gòu)造影像灰度面的虛擬表面積和體積方法，在小窗口下以單像點為中心逐點計算影像分維數(shù)特征圖。由于分形表面積是灰度表面復(fù)雜程度的一種度量，分維數(shù)提取的是圖像表面復(fù)雜度分布的變化，對雷達圖像多噪聲、多斑點的特征提取具有較好的效果。3）薛東會，朱耀庭，朱光喜，“基于尺度分維的圖像邊緣檢測方法研究”，提出一種尺度分維數(shù)(Scale Fractal Dimension, SFD)的概念，用于描述實際中遇到的分形，指出尺度分維數(shù)反映了不同尺度對應(yīng)的局部分形維數(shù)的大小，并提出了一種基于圖像紋理特征具有良好抗噪性能的邊緣提取方法。SAR圖像中目標的識別目標識別說明SAR圖像目

37、標識別的主要信息特征可以概括為幾何特征和代數(shù)特征，具體可分為七個項“形狀特征、尺度特征、色調(diào)特征、陰影特征、紋理特征、位置布局特征和活動特征，前四項為直接特征，后三項為間接特征。目標識別方法1）美國珀德尤大學(xué)電子工程學(xué)院愛德華教授針對SAR圖像提取多目標提出了一套新方法。該方法中目標檢測是基于局部明亮的像素，并通過像素的聚類分析完成。第一步，首先運用基于像素數(shù)值反差統(tǒng)計，采用恒定錯誤預(yù)警率，在SAR信號中搜索局部明亮的區(qū)域來確定可能的目標。第二步，在上面所獲得的數(shù)據(jù)基礎(chǔ)上，使用基于數(shù)據(jù)空間分布的聚類分析方法將數(shù)據(jù)集合成組，多個屬于同一目標的數(shù)據(jù)能集合一起形成簇。2）利用Gaussian-Her

38、mit Moment(GHM)作為原始SAR圖像的特征，來分割圖像以提取有用的目標。其中，奇數(shù)階矩陣可有效增強邊緣信息，偶數(shù)階矩陣則增強了目標的有用信息。而且，高斯函數(shù)和Hermit多項式的結(jié)合使用從一定成都上抑制了噪聲，減少了窗口邊緣信息的損失。因此本方法能都在分割SAR圖像的過程中，降低噪聲的同時保留細節(jié)信息。3）在合成孔徑雷達SAR數(shù)字圖像處理與識別中，目標物體的邊緣特征是目標檢測和識別的重要特征。圖像的邊緣表現(xiàn)為強度的突變。通常我們利用目標物體與復(fù)雜背景在目標物體邊緣的強度突變，采用邊緣檢測算法倆崎嶇兩者之間的交界線。這樣的邊緣提取方法有很多，諸如Robert、Prewitt、Sobe

39、r、Laplacian等微分算子法。微分算子利用小區(qū)域模板進行卷積來近似計算梯度的并行邊緣。它們的缺點是產(chǎn)生大量的噪聲，給后續(xù)的邊緣特征提取帶來許多困難吧。SAR圖像融合圖像融合概述通過SAR得到的影像（如Radar sat）往往有較高的分辨率，具有豐富的紋理信息；而TM得到的影像雖然空間分辨率不高，但具有很豐富的光譜信息，適合于分類、變化檢測等實際應(yīng)用。為了有效利用Radar sat和TM兩類圖像，需要先進行精確的校正和配準。一般首先對兩類圖像分別借助控制點建立圖像與地圖之間的坐標關(guān)系數(shù)學(xué)模型，再分別對兩類圖像進行精校正，然后對校正后的兩類圖像以少量控制點按多項式方法配準。SAR圖像融合方法

40、圖像融合可分為：信號級別融合、像素級別融合、特征級別融合和符號級別融合。像素級別圖像融合的方法有：邏輯濾波器法、加權(quán)平均法、數(shù)學(xué)形態(tài)法、圖像代數(shù)法、模擬退火法、主成分分析法、金字塔圖像融合法、小波變換圖像融合法、HIS變換法等。目前遙感圖像融合方法較多，主要有LAB變換、IHS變換、線性復(fù)合與乘積運算、Brovey變換、小波變換、高通濾波變換(HPF)和主成分分析(PCA)等方法。1）Gram-Schmidt變換是線性代數(shù)和多元統(tǒng)計中常用的方法，它通過進行正交化，從而消除冗余信息。Gram-Schmidt變換的主要步驟：（1）使用多光譜低空間分辨率影像對高分辨率波段影像進行模擬。模擬的高分辨率

41、波段影像信息量特性與高粉筆阿女郎全色波段影像的信息量特性比較接近。模擬的高分辨率波段影像在后面的處理中北作為Gram-Schmidt第1分量進行Gram-Schmidt變換；（2）利用模擬的高分辨率波段影像作為Gram-Schmidt變換的第1分量倆對模擬的高分辨率波段影像和低分辨率波段影像進行Gram-Schmidt變換。GSt是GS變換后產(chǎn)生的第T各分量；（3）通過調(diào)整高分辨率波段影像的統(tǒng)計值來匹配Gram-Schmidt變換后的第1個分量GS1，以產(chǎn)生經(jīng)過修改的高分辨率波段影像；（4）將經(jīng)過修改的高分辨率波段影像替換Gram-Schmidt變換后的第1個分量，產(chǎn)生一個新的數(shù)據(jù)集；（5）將

42、新的數(shù)據(jù)集進行反Gram-Schmidt變換，即可產(chǎn)生空間分辨率增強的多光譜影像。2）IHS變換：IHS變換就是RGB坐標系與HIS坐標系之間的變換。具體地說，HIS變換有如下一些作用：（1）可以進行不同分辨率遙感圖像的合成顯示。（2）可以使合成圖像更飽和。（3）可以通過對亮度的濾波增強圖像。（4）便于多源數(shù)據(jù)的綜合顯示。常用的HIS方案實施流程如下：首先將兩幅SAR圖像進行去除噪聲處理，然后將去噪聲后的ERS圖像的R、G、B作HIS變換，得到I、H、S，再將RADARSAT圖像進行K-L變換，將產(chǎn)生的第一主成分PCA1作為高分辨率圖像代替ERS圖像的I成分，再用HIS反變換回到RGB坐標系進

43、行假彩色合成。3）改進的HIS方案實施流程與常用的HIS方法不同之處在于：它不是用經(jīng)過K-L變換的RADAARSAT圖像的第一主成分PCA1直接替換ERS圖像的I分量，二是將PCA1與I進行基于特征的小波融合后的融合圖像作為高分辨率圖像來替換I分量。具體操作步驟如下：（1）將RADARSAT圖像去噪；（2）把去噪聲后的RADARSAT圖像進行K-L變換，得到第一主成分PCA1，將PCA1分解到n小波面，通常n取為2或3；（3）把ERS圖像的R、G、B通道變換成HIS成分，以獲取ERS圖像的I,H,S;（4）把PCA1解式中小波面得低頻部分進行線性拉伸，然后與高頻部分進行小波反變換，再加到I成分

44、上；（5）將ERS圖像的H和S與PCA1的I進行假彩色合成。SAR圖像恢復(fù)圖像恢復(fù)說明圖像恢復(fù)方法目前，有兩大類SAR圖像濾波降噪的方法：基于統(tǒng)計特性的濾波方法和基于小波變換的濾波方法。1）基于統(tǒng)計特性的濾波方法的基本思想是通過采用統(tǒng)計學(xué)方法并利用局部的統(tǒng)計信息對地標原有的紋理數(shù)據(jù)進行估計。估計的準則有多種，如最小軍方誤差準則(MMSE)，極大似然準則(ML)和最大后驗概率準則(MAP)等等。目前已經(jīng)產(chǎn)生了多種經(jīng)典的統(tǒng)計濾波算法，如Lee算法，Kuan算法，增強Lee算法，Gamma MAP算法等等。2）統(tǒng)計濾波算法要利用到局部統(tǒng)計特性，因此窗的選擇就對濾波的效果起著一定的影像作用。窗函數(shù)選得

45、過大則會平滑掉一部分紋理結(jié)構(gòu)，然而窗函數(shù)選得過小又會減小噪聲的濾除程度。SAR圖像解譯SAR圖像的自動理解與解譯，是模擬人類的視覺和分析過程，用計算機來完成SAR圖像分析和理解，并最終實現(xiàn)相關(guān)信息的獲取。SAR圖像處理存在的問題 圖像處理現(xiàn)存的問題1）基于模型的方法一般對圖像的要求較高，對模型比較敏感，在圖像與模型不相符時，可能會得不到滿意的結(jié)果。2）實際生活中，往往對圖像處理實時性要求較高，這樣對于運算代價較高的一類算法在實際情況中是不現(xiàn)實的。3）圖像目標檢測是一個信息不足的不確定問題，經(jīng)典數(shù)學(xué)方法在解決此類問題難度很大，促使人們尋找一種自動或半自動的圖像解譯系統(tǒng)。4）如何恰當(dāng)描述經(jīng)典數(shù)學(xué)語

46、言難以描述的先驗知識，將是在圖像處理領(lǐng)域取得突破的關(guān)鍵所在。5）為了更好解決視覺處理中分割精度與實時性之間的矛盾，人們將多分辨的思想引入其中，但是多分辨思想解決視覺問題的主要困難自傲與高分辨與低分辨層間的信息接口問題，而且多分辨的搜索策略必須依賴于先驗知識。6）圖像處理方法眾多，得到的信息量、價值量參差不齊。缺乏數(shù)學(xué)方法和多種處理結(jié)果的有機融合。微波遙感有待進一步研究的問題地面目標微波特性的研究:遙感圖像識別中，主要根據(jù)圖像特征信號與被識別目標物理量之間的對應(yīng)關(guān)系。在全色像片上，因影像色調(diào)的深淺與人眼觀察相應(yīng)目標顏色的暗淡基本一致，所以容易識別目標。在紅外彩色像片上，因影像顏色與其相應(yīng)目標物顏

47、色不一致，所以剛開始人們并不習(xí)慣，但掌握了地物反射光譜特性后，利用紅外彩色片進行地物分類比全色片更優(yōu)越。但是，目前對微波與各種目標之間的相互作用的機理研究甚少，對目標的反射、散射、投射、吸收和輻射等特性了解還不夠，很難建立圖像特征信號與目標之間半經(jīng)驗公式或數(shù)學(xué)模型，去推知目標的物理特性，從而達到識別目標的目的。因此，還應(yīng)繼續(xù)進行大規(guī)模的微波遙感試驗，在空中、在地面對 各種類型目標進行微波輻射和散射性征測量，為微波遙感器波段和極化方式的選擇、以及微波圖像的分類和識別打下基礎(chǔ)。圖像散斑的平滑處理：SAR可以獲得分辨率很高的圖像。但是，由于散斑的影像，使圖像的刻盤獨行大大降低。散斑是由于雷達發(fā)射相干

48、脈沖經(jīng)目標作用在圖像上產(chǎn)生的相干敏感斑點。目前，一般是采用多視平均算法平滑散斑的影像，但它是以損失地面分辨為代價的。在選擇多視數(shù)時，必須權(quán)衡對地面分辨率的影像。因此，繼續(xù)研究散斑性質(zhì)，尋求一種保持分辨率不變的條件下消除來打散斑影像的方法。對于提高雷達圖像的判讀效果是很重要的。圖像的幾何糾正和輻射校正：雷達圖像一般采用斜距顯示（投影），使得=圖像比例尺對距底點的距離而變化。高于地面的目標在圖像上插死你橫透視收縮、疊掩等幾何畸變。另外，在透視收縮區(qū)和疊掩區(qū)域，由于回波信號的疊加，影像色調(diào)較亮。因此，必須對雷達圖像進行幾何校正和輻射（灰度）校正。雷達圖像的幾何校正，平坦地一般是利用相應(yīng)地區(qū)的地形圖采

49、用多項式擬合的方法配準校正；山地一般是利用已有的DEM模擬雷達圖像，并與實際雷達圖像配準，然后再把實際雷達圖像糾正稱正射投影。但是如何提高幾何糾正的精度和速度，以及透視收縮的影像經(jīng)幾何糾正拉伸后的灰度應(yīng)如何賦值等問題，還有待進一步研究。SAR圖像處理新進展由于分辨率的提高，SAR的數(shù)據(jù)量呈級數(shù)增長，基于人工的信息處理及應(yīng)用研究（如目標識別）面臨很多空難：首先要在大范圍區(qū)域中，人工判讀實現(xiàn)基于SAR圖像的地物檢測、識別的任務(wù)。其任務(wù)量之大遠遠超過人工迅速做出判斷的極限，由此帶來的主管錯誤和理解錯誤不可避免。齊次，SAR圖像特殊的成像機理，使得目標對方位角十分敏感，較大的方位角差異將會導(dǎo)致完全不同的SAR圖像，使得SAR圖像在視覺效果上與光學(xué)圖像的差異進一步加大，增加了圖像解譯判斷的難度；在此，隨著SAR傳感器分辨率的不斷提高，傳感器模式、波段和極化方式的多元化，SAR圖像中的目標信息也呈現(xiàn)爆炸性的增長，目標由原來單通道單極化中低分辨率圖像上的點目標，變?yōu)榱司哂胸S富細節(jié)特征和散射特征的面目標，這一方