星载SAR图像处理:滤波、分类与边缘检测新方法

2星 需积分: 9 11 下载量 150 浏览量 更新于2024-08-01 1 收藏 3.14MB PDF 举报
"这篇硕士学位论文详细探讨了星载合成孔径雷达(SAR)图像的滤波、分类和边缘检测技术,旨在提高SAR图像的理解和分析能力。作者刘泉在导师章国宝的指导下,针对SAR图像的相干斑噪声问题,提出了自适应小波变换结合维纳滤波的新型滤波方法,并设计了一种实用的无监督分类方法,以及创新的边缘检测策略。通过MATLAB实现了一个SAR图像处理平台,包含了滤波、分类和边缘检测等功能,并通过实验验证了算法的有效性和鲁棒性。" 星载合成孔径雷达(SAR)是一种遥感技术,能够在全天候、全天时条件下获取地表信息,广泛应用于军事侦察和民用领域。然而,SAR图像通常受到相干斑噪声的影响,降低了图像质量和分析的准确性。因此,对SAR图像的处理技术,尤其是滤波、分类和边缘检测,是研究的重点。 1. **图像滤波**:传统的滤波方法可能在去除噪声的同时损失图像细节。刘泉提出的滤波方法基于自适应小波变换和维纳滤波,它能够自适应地处理图像,同时减少对纹理和边缘信息的破坏。通过与经典滤波算法的比较,证实了小波变换在SAR图像去噪中的优势。 2. **图像分类**:SAR图像的分类对于目标识别至关重要。考虑到分类特征的选择和分类方法,论文提出了一种无监督分类方法,利用小波分解后的能量分布作为特征,结合模糊C均值(FCM)聚类算法进行分类。实验证明,这种方法能有效提高SAR图像的分类精度。 3. **边缘检测**:由于SAR图像的特殊性质和相干斑噪声,传统的边缘检测算法往往效果不佳。论文中,作者尝试将图像在不同尺度下的小波分解结果组合成特征向量,采用FCM方法进行分割并提取边缘。实验显示,该算法在SAR图像边缘检测上表现出了良好的性能和鲁棒性。 4. **MATLAB实现的SAR图像处理平台**:为了方便研究和应用,论文开发了一个SAR图像处理软件,包含了基本的图像处理算法以及上述提出的新型算法。这个平台有助于进一步的研究和实际应用。 这篇论文对星载SAR图像处理的关键技术进行了深入研究,提出的新方法在实践中表现出色,为SAR图像的理解和应用提供了有力工具。未来,随着技术的进一步发展,SAR图像处理将更加精细化,有望实现更高级别的目标识别和地表特性分析。