论文摘要
合成孔径雷达(Synthetic Aperture Radar,SAR)由于具有全天候、全天时、能穿透云雾、烟尘、大面积地获取地表信息的特点,成为现代遥感技术研究的一个热点问题。但是SAR作为一种相干成像系统,它的后向散射成像特征不可避免地会产生相干斑噪声,影响成像的图像质量,不利于图像的分类和识别。因而合成孔径雷达图像处理成为图像处理技术领域中一个非常重要的课题。(1)分析传统滤波方法、不同窗口大小对SAR图像斑点噪声的消除。应用Lee滤波、增强Lee滤波、Frost滤波、增强Frost滤波、Gamma MAP滤波、Kuan滤波、Sigma滤波、Wiener滤波等滤波器对合成孔径雷达图像进行处理,结果表明随窗口的增大,标准差呈增大趋势,速度变化最快的是从5×5窗口到7×7窗口,但传统方法不能较好的保持SAR图像的细节和边缘信息。(2)为克服传统滤波方法的不足,本文提出了一种改进的基于无抽取离散小波变换算法—àtrous小波算法的SAR图像相干斑去噪声方法,该方法对小波对数图像的高频子带根据子带分布进行基于中值的平滑处理,最后对低频信号进行均值滤波,该方法综合利用了小波变换和基于中值的平滑处理在相干斑抑制领域中的优点,不仅充分利用了信号小波变换域的空间相关性,而且也较好地利用了基于中值的平滑处理的边缘保护特性。本文从图像的自然视觉特征、不同窗口大小、不同分解算法、不同小波基和不同尺度下对滤波的影响分别进行了分析讨论,最后以边缘保持指数和平滑指数两个评价指标对滤波效果进行了定量的评价。实验结果表明,本文所使用的改进方法在Coif小波基下结果最为满意,算法简洁,易于工程实现,较之传统的去噪声方法更有效的消除边缘噪声模糊,实现了边缘保护,解决了图像去噪与边缘保护之间的矛盾,更有利于SAR图像相干斑的抑制。(3)在图像分割算法方面,首先对一些当前常用的、经典的图像分割算法进行了总结,在此基础上给出了改进的基于遗传算法的SAR图像分割算法。遗传算法作为一种求解问题的高效并行的全局搜索方法,以其固有的鲁棒性、并行性和自适应性,使之非常适于大规模搜索空间的寻优,为图像分割问题提供了新而有效的方法,特别是类似于SAR图像这种具有大数据量的图像。当搜索空间越大时,遗传算法越有效。目前,图像分割的方法大多为基于灰度和纹理的分割。然而SAR图像固有的乘性噪声使其不能使用灰度阈值法进行目标的分割。本文方法是对去噪后的SAR图像进行分割,采用遗传算法确定图像的最佳阈值,首先把滤波后的SAR图像编码成8位二进制码来表示图像的灰度级,然后随机的以同等概率生成初始的种群,并计算各个体的适应度值,以此进行选择,交叉,变异操作产生新种群,将最后一代群体中适应度最大的个体作为最优结果,将其反编码,即所求的最佳分割阈值,最后对分割后图像进行形态学滤波处理即得分割结果图。本文从图像的分割结果视觉效果、滤波与否、迭代次数和参数的选取对分割结果的影响分别进行了分析讨论,最后以区域一致性,区域对比度以及区域形状参数这三个参数对分割结果进行了定量的评价。结果表明,在设定了合适的遗传算子后,该算法可以实现正确的图像分割。最后为验证本文算法的有效性,对比了几种分割方法处理同一幅SAR图像的效果,经过比较发现,本文所给出的改进方法无论从分割的准确性方面还是抗噪性方面都优于很多现有的分割方法。