（毕业设计 页数：51 字数：28120）SAR图像分割算法研究

摘 要：合成孔径雷达(SAR)是一种主动式微波遥感器，能够对各种目标以很高的分辨率成像，而且几乎不受任何天气的影响，因此在国民经济和军事领域中都有着广泛的应用。近年来，随着SAR技术的飞速发展，SAR图像的自动目标识别变得越来越重要，这就需要首先对SAR图像分割进行准确的分割。
SAR图像的成像原理决定了图像中存在大量的斑点噪声，这种相干斑噪声给图像分割带来了很大困难，本文利用基于边缘信息的小波变换去噪方法去除SAR图像相干斑噪声，得到去噪后的SAR图像然后进行分割。同时本文还结合支持向量机理论，给出了一种基于SVM的小波SAR图像去噪算法，根据实验结果可以看出此方法的滤波平滑效果优于基于边缘信息的小波变换去噪方法。
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，在此基础上给出了两种改进的SAR图像分割算法。一种是基于边缘信息和遗传算法的最佳阈值SAR图像分割方法，该方法是对去噪后的SAR图像进行分割，采用遗传算法确定图像的最佳阈值，根据图像边缘检测的结果，在图像边缘位置采用局部阈值分割，图像的其它位置采用遗传算法确定最佳阈值进行分割。结果表明，在设定了合适的遗传算法后，该算法可以实现正确的图像分割，同时由于引入边缘信息使得分割更精确，而遗传算法使得分割速度提高。另一种是基于SVM和纹理特征的SAR图像分割方法，该方法是直接对含噪SAR图像进行分割，首先利用小波变换提取SAR图像的纹理特征，通过计算图像的灰度均值，作为图像的灰度特征，然后用完全无监督的聚类算法进行分类，最后将特征值与类别标记作为支持向量机的训练样本，用训练后的分类器对图像进行分割。最后为验证本文算法的有效性，我们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。

关 键 词: SAR图像分割；小波变换；相干斑去除；边缘检测；遗传算法；阈值；SVM

ABSTRACT ：Synthetic aperture radar (SAR) is a kind of coherent microwave sensor. With its ability to image any targets on the earth，together with high resolution under nearly all weather conditions, it has been widely applied to national economic fields and military reconnaissance fields. In recent years, with the rapid development of SAR satellite astronomy technique, automatic target recognition of SAR image is becoming more and more important, which needs to exactly segment SAR image.
According to its coherent imaging principle, the multiplicative nature of the speckle noise in SAR images is a big problem in SAR image segmentation. In the thesis, a good method based on wavelet transform to de-noise image points except the edge points was used. The method removes speckle noises of SAR image in effect, at the same time remaining the edge better. Another image de-noising method based on SVM (Support Vector Machine) and wavelet transform was proposed, the results prove that the method removes speckle noises of SAR image in effect.
As regards image segmentation, we summarize many algorithms which have been presented in the literature. Those algorithms are to some extent successful. And then two improved segmentation methods of SAR image are proposed. First, the edge detection and the genetic algorithm are used in the SAR image segmentation. GA is used to get the best threshold of image segmentation. We accord the result of edge detection to segment the edge part of SAR image with local threshold ，and the other part of SAR image with the best threshold. The result of experiment shows that the improved algorithm can improve greatly the speed and get the better quality than the traditional algorithm. Second, we proposed a SAR image segmentation based on SVM and the characteristic of texture of SAR image. In the method, the texture features are distilled with wavelet, the regional gray-level of the mean is used to extract gray-level features, and then an unsupervised clustering algorithm is used for classification. The energy of region and labels were taken as training data of SVM. In the end, image segmentation was performed using SVM classifier. In order to demonstrate the effectiveness of the improved method, we contrast several segmentation results on SAR image. The experimental results show that the method is feasible and accurate under noise distributions.

Keywords: SAR image segmentation Wavelet transform speckle filtering Edge- detection Genetic Algorithm Threshold SVM

目 录
1 绪论 1
1.1 研究目的及意义 1
1.2 研究现状与发展趋势 2
1.3 论文的主要工作及内容安排 3
2 SAR及SAR图像的基本特性 4
2.1 合成孔径雷达 4
2.2 SAR图像相干斑噪声 6
2.2.1 数据收集 6
2.2.2 SAR图像相干斑噪声形成 6
2.3 SAR图像斑点统计特性 7
2.3.1 乘性模型 7
2.3.2 统计指标 8
2.4 SAR图像处理概述 9
3 SAR图像去噪 11
3.1 小波变换基本原理 11
3.1.1 连续小波变换 11
3.1.2 离散小波变换 12
3.1.3 小波重构 13
3.1.4 二维离散小波变换 14
3.1.5 图像的小波变换 14
3.2 小波基 16
3.2.1 小波基的性质 16
3.2.2 常用的小波基 16
3.3 基于小波变换的SAR图像去噪方法 17
3.3.1 小波去噪方法 18
3.3.2 SAR图像去噪 19
3.4 基于SVM的小波变换SAR图像去噪方法 21
3.4.1 SVM理论 21
3.4.2 基于SVM的小波SAR图像去噪 23
3.4.3 实验结果及分析 23
4 SAR图像分割 25
4.1 图像分割 25
4.1.1 图像分割定义 25
4.1.2 图像分割的方法 26
4.2 SAR图像分割方法 28
4.3 基于边缘信息和遗传算法的最佳阈值SAR图像分割方法 28
4.3.1 遗传算法 28
4.3.2 小波变换模极大值SAR图像边缘检测方法 32
4.3.3 对SAR图像进行分割的实现过程 33
4.3.4 实验及结果分析 34
4.4 基于SVM和纹理特征的SAR图像分割方法 35
4.4.1 计算特征值 35
4.4.2 对SAR图像进行分割的实现过程 37
4.4.3 实验及结果分析 37
4.5 图像分割评价 39
5 总结 41
致 谢 42
参考文献 43
附 录 46

1 绪论
合成孔径雷达(Synthetic Aperture Radar,SAR)作为对地观测的遥感传感器，起源于20世纪50年代，其原理是通过飞行载体的运动形成巨大的雷达虚拟天线，将接收到的地表后向散射信号转变为雷达图像数据。作为一种主动式微波传感器，SAR可以全天候、全天时大面积获取高分辨率的地表图像数据，且不受烟尘、云雾限制，有着广泛的应用前景和发展潜力，成为各工业发达国家普遍关注的对地观测手段。在农业方面的收成测绘、农作物监测、地界区分，林业方面的植被区分、采伐监视、资源测绘，水利方面的洪水检测、流域测绘，测绘学方面如海洋监测、地貌测绘，以及军事方面的目标提取和识别、地图绘制等众多领域得到了广泛的应用，在处于信息时代的当今社会中发挥着越来越重要的作用。
1.1 研究目的及意义
在SAR的应用日益广泛的今天，有必要尽快发展成像后的SAR图像处理技术，以便从观测数据中获取大量的实时信息。针对SAR图像处理技术主要有：SAR图像滤波降噪处理；SAR图像边缘检测处理；SAR图像分割处理；SAR图像特征信息提取；目标检测与识别等，而SAR图像的去噪及分割是最基本和主要的部分。
由于成像雷达发射的是纯相干波，这些相干波经过与地物的相干作用，特别是地物的后向散射作用，使目标回波信号产生了衰减，表现在图像上就是相干斑(Speckle)噪声[1]。这些相干斑噪声降低了SAR图像的分辨率，使得图像的细节结构被噪声掩盖，严重影响了SAR图像的判读性，更严重时，甚至可导致地物特征消失。因此消除相干斑噪声对SAR图像的有效使用有着十分重要的意义。