论文部分内容阅读
合成孔径雷达(Synthetic Aperture Radar，SAR)图像由于其全天侯、全天时、分辨率高等优点，在军事和民用领域中都得到了应用。但是应注意由于SAR成像的机理，使得SAR图像含有斑点噪声，这样与传统光学图像的处理相比，SAR图像的处理具有其特殊性。本文研究基于独立分量分析(Independent Component Analysis，ICA)的方法的SAR图像处理问题。针对SAR图像的统计特性，给出了基于多尺度自回归滑动平均(Multiscale Autoregressive Moving Average，MARMA)模型和基于投影寻踪学习网络(Projection Pursuit Learning Network，PPLN)方法的SAR图像压缩方法；给出了基于独立分量分析的极化SAR图像抑制斑点噪声方法；提出了SAR图像增强的稳健独立分量分析方法；研究了SAR图像滤波和增强的子带独立分量分析处理方法。主要研究内容如下：(1)提出了基于多尺度ARMA模型的SAR图像压缩新方法，以建立多尺度MARMA模型和多尺度MAR(Multiscale Autoregressive)模型来直接刻画SAR图像的统计相依性为基础，据此构造压缩算法。不使用对SAR图像的分割结果，因而该方法无需SAR图像分割的先验知识。【附录二：(1、3)】(2)给出了基于投影寻踪学习网络的SAR图像压缩新方法。该方法综合了投影寻踪回归(Projection Pursuit Regression，PPR)的统计思想和图像压缩的基本思路，试验结果表明该方法既能达到较高的压缩比又能取得较好的保真度。【附录二：(4)】(3)极化SAR图像可视为目标信号与噪声的线性混合，利用ICA的分离性，可从其中分离出期望信号，将HH、HV、VV和HV／VV的比值图像做为ICA的输入数据。本文首次基于ICA方法，得到了分别对应于HH、HV和VV极化的三幅降噪图像，取得了较好的实验结果。进而，还分别使用了三种不同的ICA算法，进行了极化SAR图像的相干斑抑制，并对其结果进行了比较分析，这对补充ICA算法的研究成果是有意义的。【附录二：(5、7、9)】(4)构造了一个稳健独立分量分析神经网络算法。当数据中存在噪声或异常值时，该方法能够有效地降低噪声的影响。该算法通过应用基于最小协方差行列式(Minimum Covariance Determinant，MCD)估计的异常值拒绝法则，使其具有稳健性。在数据中含有较强噪声或异常值时，算法优于传统的ICA算法。将此算法分别应用到盲噪声图像分离和SAR图像处理上，与传统的ICA方法相比，得到了较好的分离结果。【附录二：(2、6)】(5)给出极化SAR图像增强的子带ICA处理方法。子带ICA扩展ICA的基本模型，假设源信号各分量并不具有统计独立性，而是由一些统计独立的子分量组成，与传统算法相比，该方法具有更好的灵活性和鲁棒性结果。本文首次使用基于子带ICA方法进行极化SAR图像增强，得到了较好的实验结果。【附录二：(8、12)】