（控制理论与控制工程专业论文）多波段多极化sar图像融合解译研究.pdf

d i s s e r t a t i o ns u b m i t t e dt oh a n g z h o ud i a n z iu n i v e r s i t y f o rt h ed e g r e eo fm a s t e r a s t u d y o nm u l t i - - b a n d sa n d m u l t i - - p o l a r i m e t r i cs a ri m a g e f u s i o n i n t e r p r e t a t i o n c a n d i d a t e ：l i a n gz e n g 一一 s u p e r v i s o r ：p r o f l i ny u e s o n g a s s o p r o f c h e nh u a j i e f e b r u a r y , 2 0 11 - 。一 杭州电子科技大学 学位论文原创性声明和使用授权说明 原创性声明 本人郑重声明：所呈交的学位论文，是本人在导师的指导下，独立进行研 究工作所取得的成果。除文中已经注明引用的内容外，本论文不含任何其他个人 或集体已经发表或撰写过的作品或成果。对本文的研究做出重要贡献的个人和集 体，均已在文中以明确方式标明。 申请学位论文与资料若有不实之处，本人承担一切相关责任。 做作者签名曾荔 聃：州年弓月髟日 学位论文使用授权说明 本人完全了解杭州电子科技大学关于保留和使用学位论文的规定，即：研 究生在校攻读学位期间论文工作的知识产权单位属杭州电子科技大学。本人保证 毕业离校后，发表论文或使用论文工作成果时署名单位仍然为杭州电子科技大 学。学校有权保留送交论文的复印件，允许查阅和借阅论文；学校可以公布论文 的全部或部分内容，可以允许采用影印、缩印或其它复制手段保存论文。( 保密 论文在解密后遵守此规定) 论文作者签名： 指导教师签名： 莒嘉 降珲盘 日期： 歹d 年罗月2 多日 日期： ) 。f f 年；月工占日 杭州电子科技大学硕士学位论文 摘要 合成孔径雷达( s a r ) 具有全天候、全天时以及穿透能力强等特点，在军事 和民用领域均有着广泛的应用。然而，s a r 成像信息不仅与地物类型有关，也 与雷达观测角、地物复介电常数、雷达发射波的波长、极化方式等因素有关，使 得单个波段单种极化方式下的s a r 系统获取的信息非常有限，随着相关硬件技 术的突破，s a r 系统可以获取多个波段和极化方式下对同一场景的观测信息， 多源s a r 图像信息的融合应用得到越来越多的关注。地物分类和目标检测是 s a r 图像解译的两个典型应用，在“十一五”预研项目的支持下，本文重点研 究了如何利用多源s a r 图像信息来提高地物分类率和目标检测精度，主要内容 如下： 1 高分辨率全极化s a p , 图像背景杂波建模与参数估计，s a r 图像杂波背景 建模是s a r 图像处理分析的基础，在目前已有的极化s a r 统计模型中，g ：分 布能够较好的对复杂场景建模，然而g ：分布参数估计并没有得到很好的解决， 针对这一问题，本文提出了基于对数累积量的参数估计方法，对实测数据的拟合 实验表明，该方法无论在拟合速度和拟合精度上相比已有的最大似然估计和矩估 计方法都有所提高，改进的杂波分布将用在后续的s a r 图像地物分类和目标检 测中。 2 多波段s a r 地物分类与决策融合，不同波段数据具有不同的极化方式， 需要使用不同的分类算法，对单极化数据的分类，本文使用应用广泛的s v m 方 法，对于全极化数据的分类，在对最具代表性的l e e 方法深入分析的基础上提出 了一种改进的全极化s a r 图像分类算法，由于该方法引入了螺旋散射和更好的 杂波模型，因此在一些复杂场景中取得了比l e e 方法更好的分类效果。利用改进 的算法实现了不同波段数据的分类，实验结果表明不同波段数据在区分不同地物 类型上存在一定的互补性，因此在d e m p s t e r - s h a f e r 证据理论的框架下，进一步 实现了不同波段数据的分类决策级融合，结果证实多个波段信息的融合可以获得 比单个波段更好的分类效果。在对分类结果进行评价时，因为真实的专题制图信 息难以获取，本文以容易获取的g o o g l ee a r t h 影像为参考，由于使用了整个场景 的样本数据，所以比传统的人工选择测试样本的方法更客观，更准确。 3 伪装网遮蔽车辆检测与决策融合，本文在课题的支持下，在国内率先开展 了伪装网遮蔽车辆检测试验，对不同波段极化方式下的遮蔽车辆散射功率进行了 深入对比研究，发现入射波越长，目标散射功率越强，在同一波段的不同极化中， 交叉极化下的目标成像效果好于同极化。恒虚警检测算法( c f a r ) 是目前最有 可能实用的一类方法，在该算法中，背景杂波统计模型是决定算法性能的关键因 素，结合前面改进的杂波模型对全局c f ! a r 算法做了改进，利用改进算法分别实 现了有伪装网和无伪装网时不同波段和极化方式下的车辆检测，并对检测结果进 行基于n e y m a n p e a r s o n 准则的决策级融合。实验表明伪装网能够起到一定的遮 蔽效果，降低目标检测率，不同波段和极化检测结果的决策级融合可以提高目标 检测率，降低虚警率，提升综合检测性能，而且有网时的检测性能提升要高于无 网，这意味着伪装网情况下进行多波段多极化s a r 检测融合更有必要。 4 机场环境解译及算法界面介绍，在前面地物分类和目标检测的研究基础上 对机场环境这一典型军事场景进行了处理，得到机场环境的初步解译结果，有利 于进一步战场分析和态势估计。最后，给出了上述算法在平台中的相关界面实现。 关键字：多波段多极化合成孔径雷达，s a r 融合解译，全极化统计分布，地物 分类，伪装目标检测 一 杭州电子科技大学硕士学位论文 a bs t r a c t t h es y n t h e t i ca p e r t u r er a d a r ( s a r ) h a sb e e nw i d e l yu s e di nm i l i t a r ya n d c i v i l i a na r e a s ，b e c a u s eo fi t sw e a t h e r - i n d e p e n d e n t , a l lt i m ea n ds t r o n gp e n e t r a t i n g c a p a b i l i t y h o w e v e r ，t h er a d a rb a c k s c a t t e r i n gi n f o r m a t i o ni sn o to n l yr e l a t e dt ot e r r a i n t y p e s ，b u ta l s oi n f l u e n c e db yo t h e rf a c t o r ss u c ha sr a d a ro b s e r v a t i o na n g l e ，t e r r a i n c o m p l e xd i e l e c t r i cc o n s t a n t , i n c i d e n tw a v e l e n g t h ，p o l a r i z a t i o ne t c t h e s ef a c t o r sl e a d t ot h el i m i t e dc a p a b i l i t yo fo b t a i n i n gi n f o r m a t i o nf o rs i n g l e - b a n ds i n g l e - p o l a r i z a t i o n s a r w i t ht h eb r e a k t h r o u g ho fh a r d w a r et e c h n o l o g y , s a rs y s t e mc a ni m a g eu n d e r m u l t i b a n d sa n dm u l t i - p o l a r i z a t i o nm o d e ss i m u l t a n e o u s l y t h e r e f o r e ，t h es t u d yo f m u l t i c h a n n e ls a ri m a g ef u s i o nh a sa t t r a c t e dm o r ea n dm o r ea t t e n t i o n t e r r a i n c l a s s i f i c a t i o na n dt a r g e td e t e c t i o na r et w ot y p i c a l a p p l i c a t i o n s o fs a ri m a g e i n t e r p r e t a t i o n u n d e rt h es u p p o r to f ”e l e v e n t h f i v e - y e a r ”n a t i o n a ld e f e n s e p r e - r e s e a r c hp r o j e c t , t h i sp a p e rf o c u s e so nh o w t ou s em u l t i p l es o u r c e ss a ri m a g e st o i m p r o v et h et e r r a i nc l a s s i f i c a t i o na n dt a r g e td e t e c t i o na c c u r a c y t h em a i nw o r ka n d c o n t r i b u t i o na r ea sf o l l o w s ： 1 t h es t a t i s t i c a lm o d e lo fb a c k g r o u n dc l u t t e ra n dp a r a m e t e r se s t i m a t i o ni s s t u d i e d , w h i c hf o r m st h eb a s i so fs a ri m a g ea n a l y s i s a m o n gt h ee x i g i n g p o l a r i m e t r i cs a rm o d e l s ，g ：i sag o o dm o d e lf o rc h a r a c t e r i z i n gp o l a r i m e t r i cs a r i m a g e sc o n t a i n i n gd i f f e r e n tt e r r a i nt y p e s n e v e r t h e l e s s ，p a r a m e t e r se a i m a t i o nh a s n t b e e nw e l lr e s o l v e d t os o l v et h i sp r o b l e m , t h i sp a p e rp r o p o s e dan e wm e t h o db a s e d o n l o g d e tc u m u l a n t ( l d c ) ，e x p e r i m e n t s o nr e a ls a rd a t ad e m o n s t r a t ei t s s u p e r i o r i t yo v c rt h em a x i m u ml i k e h o o dm e t h o d ( 池) a n dm o m e n tb a s e dm e t h o d 0 v l o m ) i nt e r m so fs p e e da n da c c u r a c y t h i sl a i dt h ef o u n d a t i o nf o rs a ri m a g e a n a l y s i ss u c ha sc l a s s i f i c a t i o na n dt a r g e td e t e c t i o n 2 m u l t i b a n ds a rt e r r a i nc l a s s i f i c a t i o na n dd e c i s i o nl e v e lf u s i o na r cs t u d i e d d i f f e r e n tb a n d sd a t ah a v ed i f f e r e n tp o l a r i z a t i o np r o p e r t i e s ，r e q u i r i n gd i f f e r e n t c l a s s f i c a t i o nm e t h o d s f o rs i n g l ep o l a r i m e t r i cs a rd a t a , t h ec l a s s i c a ls v mm e t h o di s a d o p t e d f o rf u l l yp o l a r i m e t r i cs a rd a t a ，b yi n t r o d u c i n gm o r es u i t a b l es c a t t e r i n g m o d e la n db e t t e rc l u t t e rd i s t r i b u t i o n ，w ep r o p o s e da ni m p r o v e da l g o r i t h mf o r p o l a r i m e t r i c s a ri m a g ec l a s s i f i c a t i o na n do b t a i n e db e t t e rr e s u l t st h a nl e e s m o r e o v e r , t h ee x p e r i m e n tr e s u l t si n d i c a t et h a td i f f e r e n tb a n dd a t aa r ec o m p l e m e n t a r y m 杭州电子科技大学硕士学位论文 i nd i s t i n g u i s h i n gt e r r a i n ，s of u s i o no ft h ec l a s s i f i c a t i o nr e s u l t sa td e s i c i o nl e v e li s r e a l i z e du n d e rt h ed e m p s t e r - s h a f e re v i d e n c et h e o r yf r a m e w o r k e x p e r i m e n t ss h o w t h a tt h ei n t e g r a t i o no fm u l t i p l eb a n d si n f o r m a t i o nc o u l dg e tb e t t e rc l a s s i f i c a t i o n r e s u l t st h a ns i n g l eb a n d t oe v a l u a t et h ep e r f o r m a n c eo fc l a s s i f i c a t i o na l g o r i t h m ， c o o r e s p o n d i n gg o o g l ee a r t hi m a g ei s u s e da sr e f e r e n c ei n s t e a do fr e a lt h e m a t i c m a p p i n gi n f o r m a t i o nw h i c hi sd i f f i c u l tt o o b t a i n d u et ot h eu s eo fe n t i r es c e n e s a m p l ed a t a , t h i sm e t h o da p p e a r sm o r eo b j e c t i v et h a nt h et r a d i t i o n a lm e t h o do f a r t i f i c i a ls e l e c t i o nt e s t i n gs a m p l e s 3 u n d e rt h es u p p o r to fn a t i o n a ld e f e n c ep r o j e c t , t h i sp a p e rt a k e st h el e a di n c a m o u f l a g ec o v e r e dv e h i c l ed e t e c t i o n a f t e ri n d e p t hs t u d yo fs c a t t e r i n gp o w e rb y c o v e r e dv e h i c l e su n d e rd i f f e r e n tb a n d sa n dp o l a r i z a t i o n ，w ef o u n dt h a tt h ee c h op o w e r i s s t r o n g e rb yl o n g e ri n c i d e n tw a v e l e n g t ha n dm o r ev i s i b l eb yc o - p o l a r i z a t i o nw a v e t h a nc r o s s p o l a r i z a t i o nw a v e c o n s t a n tf a l s ea l a r mr a t e ( c f a r ) t a r g e td e t e c t i o n a l g o r i t h mi so n eo ft h em o s tp o t e n t i a lm e t h o d s f o rt h i sa l g o r i t h m ，t h eb a c k g r o u n d c l u t t e rm o d e l l i n gi sak e yf a c t o ri ni n f l u e n c i n gt h ea l g o r i t h mp e r f o r m a n c e am o d i f i e d g l o b a lc f a ra l g o r i t h mi sp r o p o s e db ya d o p t i n gt h ei m p r o v e dc l u t t e rm o d e la n di s a p p l i e dt ov e i l e da n du n v e i l e dv e h i c l e sd e t e c t i o nu n d e rd i f f e r e n tb a n d a n dp o l a r i z a t i o n m o d e s d e t e c t i o nr e s u l t sa r ef u s i o n e da td e c i s i o nl e v e la c c o r d i n gt on e y m a n p e a r s o n c r i t e r i o n ，w h i c hs h o wt h a tt h ec a m o u f l a g en e tc o u l dr e d u c e st h et a r g e td e t e c t i o nr a t e t os o m ee x t e n t f u s i o no fd i f f e r e n tb a n da n dp o l a r i z a t i o nd e t e c t i o nr e s u l t sa td e c i s i o n l e v e lc o u l di m p r o v et h ea c c u r a c y , r e d u c ef a l s ea l a r mr a t ea n dr a i s et h eo v e r a l l d e t e c t i o np e r f o r m a n c e m o r e o v e r , d e t e c t i o np e r f o r m a n c ei sr a i s e dh i g h e rf o r c a m o u f l a g ec o v e r e dv e h i c l e st h a ne x p o s e dv e h i c l e s ，w h i c hm e a n st h a tm u l t i b a n d m u l t i - p o l a r i z a t i o nd e t e c t i o nf u s i o ni sm o r em e a n i n g f u lf o rv e i l e dt a r g e td e t e c t i o n 4 b a s e do nt h ea b o v ep r o p o s e dc l a s s i f i c a t i o na n dt a r g e td e t e c t i o na l g o r i t h m s ，a t y p i c a lm i l i t a r ys c e n e ( a i r p o r t ) i sp r o c e s s e da n d t h ep r e l i m i n a r yi n t e r p r e t a t i o nr e s u l t s a r eo b t a i n e d ，w h i c hb e n e f i t sf u r t h e rb a t t l e f i e l ds u r v e i l l a n c ea n ds i t u a t i o na s s e s s m e n t f i n a l l y ，t h e s ea l g o r i t h mi n t e r f a c e si no u r s o f t w a r ep l a t f o r ma r ep r e s e n t e d k e y w o r d s ：m u l t i - b a n d a n d m u l t i - p o l a r i m e t r i cs a r , s a ri m a g e f u s i o n i n t e r p r e t a t i o n ，f u l l p o l a r i m e t r i cs t a t i s t i c a l d i s t r i b u t i o n ，t e r r a i n c l a s s i f i c a t i o n ，v e i l e dt a r g e td e t e c t i o n i v 杭州电子科技大学硕士学位论文 目录 摘j 1 2 l ：i a b s t r a c t 。i i i 目录。v 第l 章绪论1 1 1 多源s a r 图像融合解译研究背景和意义l 1 2 多源s a r 图像融合解译研究现状2 1 2 1 国内外多源s a r 系统发展现状2 1 2 2 国内外多源s a r 融合解译应用现状5 1 2 3 多源s a r 融合解译存在的一些问题7 1 3 本文主要研究内容和结构安排7 第2 章基于l d c 的全极化g ：分布参数估计方法。9 2 1 引言。9 2 2 极化g ：分布9 2 3 基于l d c 的参数估计方法l o 2 4 实验结果与分析1 1 2 5 总结l3 第3 章多波段s a r 图像地物分类与融合1 4 3 1 引言1 4 3 2 单波段s a r 图像地物分类1 4 3 2 1 单波段单极化s a r 地物分类算法1 4 3 2 2 基于y a m a g u c h i 分解的单波段全极化s a r 地物分类算法1 5 3 2 3 单波段单极化与单波段全极化s a r 地物分类实验17 3 3 基于多波段多极化融合的地物分类2 3 3 3 1d e m p s t e r - s h a f e r 证据理论2 3 3 3 2 融合算法及实验分析2 5 3 4 本章小结2 6 第4 章伪装网遮蔽车辆检测与融合2 7 4 1 引言2 7 4 2 单波段单极化伪装遮蔽车辆检测2 7 4 2 1 基于改进杂波估计的全局c f a r 目标检测算法2 7 4 2 2 伪装网遮蔽车辆检测实验3 0 v 杭州电子科技大学硕士学位论文 4 3 基于多波段多极化融合的车辆检测3 5 4 3 1 不同波段极化下伪装网遮蔽效果比较3 5 4 3 2 融合算法3 6 4 3 3 融合结果与分析3 9 4 4 本章小结。4 l 第5 章机场环境s a r 融合解译实例及软件平台实现一4 2 5 1 引言4 2 5 2 机场环境解译4 2 5 - 3 平台实现4 6 5 4 总结4 7 第6 章总结和展望4 8 6 1 主要研究工作和取得的成果4 8 6 2 下一步的工作和展望4 9 致 射5 0 参考文献51 附录l ：。5 5 附录2 ：6 7 v i 达，其特点是能全天候不间断的工作，可以有效地穿透掩盖物，识别伪装目标。 近年来，随着合成孔径雷达关键技术的不断突破，s a r 信号处理能力逐渐增强、 成像分辨率逐渐提高、设备体积越来越小，s a r 在战场监视、军事情报搜集及 打击效果评估等国防领域发挥越来越重要的作用。 然而，s a r 成像信息不仅与地物类型有关，也与雷达观测角、地物复介电常 数、雷达发射波的波长、极化方式等因素有关，使得单个波段单种极化方式下的 s a r 系统获取的信息非常有限，随着相关硬件技术的突破，s a r 系统可以获取 多个波段和极化方式下对同一场景的观测信息。 在地物分类方面，不同波段的s a r 图像，在探测的地物类别上具有不同的 优势，表1 1 总结了常用的三个波段( c l x ) 对不同地物的探测性能【1 】。高频波 段s a r 图像对地物的纹理描述清晰，有利于区分纹理差异较大的地物( 如城区 和裸地) ，低频波段s a r 图像对地物湿度和植被情况比较敏感，有利于区分具有 不同含水量的地物( 如旱地和沼泽地) 。除了增加波段信息外，最近发展起来的 全极化s a r 由于比单极化s a r 能提供更多关于地物的极化散射信息，在一些应 用中取得了比单极化更好的分类效果1 2 1 ，极化信息的研究已成为一个研究热点。 表1 1 不同波段对地物的探测性能 l cx 海冰 + + + 雪( 类型和加厚度) + + + + 土地湿度 + + + + 土地粗糙度 + + + 土壤类型、特征 + + 水陆边界 + + + 作物生长量 + + + + + 作物含水量 + + + + + 海洋潮、漩涡 + + + 0 表面波、内波 + + + 0 风浪( 小波浪) + + oo 地质结构、构造 + 杭州电子科技大学硕士学位论文 沙漠区域、地下 + + 植被沙漠 + + 淡水冰( 湖泊河流) o0 注：+ + 表示很适合探测，+ 表示较适合探测，表示不适于探测，0 表示未知。 在目标检测识别方面，高频波段s a r 图像对目标的细节、外观轮廓描述更 完整，但这种图像的亮像素比较多，杂波比较明显，目标易淹没在周围环境中， 低频波段s a r 能够穿透地表植被，发现被遮挡掩埋的隐蔽目标。在同一波段的 不同极化方式中，同极化( 删、w ) 对于发现位置与雷达视线平行的目标更有 利，而交叉极化( h v 、v h ) 对于与雷达视线成一定夹角的目标探测效果更好， 此外，极化信息还与目标表面粗糙度、对称性和材质等因素有关，虽然目前对目 标与极化波交互的具体物理过程还不清晰，但实验表明完整的极化信息有利于目 标检测和识别、状态估计【2 】。 如何最大限度的利用这些不同波段和极化方式下的多源信息对于s a r 解译 非常关键，信息融合技术是利用这些多源数据信息的最有效途径之一，通过融合 不同波段不同极化方式下的成像信息，减少单一信息源在解译中的不确定性，提 高算法的精确性和稳定性。和基于单源图像信息相比，基于多源图像的信息融合 无疑是一种更可靠和更具时效性的解决方案，对s a r 图像解译具有非常重要的 意义。 地物分类和目标检测是s a r 图像解译的两个典型应用，地物分类是对s a r 图像中不同种类地物进行区分，并加以标注，是对图像进行自动地物识别的基础。 目标检测是将场景中的感兴趣目标从背景杂波中分离出来，是后续s a r 图像目 标鉴别的基础。 在“十一五 预研项目的支持下及本课题组前期工作( s a r 图像滤波、配准 等) 的基础上，利用合作单位提供的实测s a r 数据，本文重点研究了如何利用 多源s a r 图像信息来提高地物分类精度和目标检测精度。 1 2 多源s a r 图像融合解译研究现状 1 2 1 国内外多源s a r 系统发展现状 1 ) 国外多源s a r 系统发展现状 自2 0 世纪以来，s a r 技术的军事应用受到世界各国高度重视，由于多波段 s a r 的潜在优势，国外在这方面发展迅速，研制并试验了多种多波段s a r 系统， 表1 2 和表1 3 分别列出了目前已公布的机载、星载s a r 系统。 表1 2 典型多波段机载s a r 系统 2 杭州电子科技大学硕士学位论文 p 3 s a r 美国p 3 飞机 x l c i 膈【f0 3 3 1 5 4 9 9 8 k m 条靠| e r i m3 聚束 公司 d p c a 扫描 a i r s a r 美国 d o u g l a s p l c7 5 1 m1 0 1 5 k m 条带 四ld c 83 7 5 1 m m s a r美国m d l j h f1 5 - 3 m7 0 0 14 0 0 m条带 l o r a l 1 2 0 m ( u h f ) 公司 l y n xs a r美国 t w i n o t t ek a k u x 厂l 小0 1 m9 3 5 m 条靠 s a n d i arf 聚束 g m t i e s a r德国d o m i e rp l s2 4 m3 k m 5 k m 条靠f d l rd 0 2 2 8c 8 m15 k m 聚束 r a m s e s 法国 t r a n s a l lp 凡悠 c0 3 - 3 m3 k m 条带| o n e rc 1 6x k u i i预处理 令剖信息处理b 数数融 源图像2 酬预处理p 据 剖信息处理b 据入 厶 口 配融吖结 准合果 源图像3 酬预处理b剖信息处理b 图1 1 ：图像融合的一股过程 按融合数据的处理层次，图像融合可以分为三个层次：像素级、特征级和决 策级融合。 像素级融合：原始数据经过预处理后直接融合产生新的数据，然后再进行特 征提取和识别。它的主要目的是图像增强。优点是保留了尽可能多的信息，具有 最高精度。缺点是要求严格的像素配准，处理信息量大、效率低，抗干扰能力和 实时性差。另外，像素层融合所能提供的信息比较有限，像素层融合的结果仍然 是图像信息，这就需要用户做进一步的人工判读，工作量仍然非常巨大。 特征级融合是一种中等水平的融合。它对单个传感器所发现和分割所得到的 目标特征进行融合。在该层上，假设所有的传感器都对目标进行独立检测，然后 在各自的区域中独立提取每个目标的特征，这些特征构成一个公共的特征空间用 于目标分类。特征级融合流程主要包括特征提取、融合和属性说明三个步骤。由 于所提取的特征与融合目的有关，因而融合结果能最大限度地给出决策分析所需 要的特征信息。特征级融合的优点在于对图像配准的要求没有像素级图像融合那 样严格，可以实现数据压缩，便于实时处理。目前大多数融合系统的研究都是在 该层次上展开的。常用的特征级融合方法有支持向量机、贝叶斯估计法、信息熵、 核函数、神经网络。 决策级融合( 也称为决策后或检测后融合) 是最高水平的融合。在进行决策 融合处理前，先对各个传感器获得的图像分别进行预处理、特征提取、识别或判 决，建立对同一目标的初步判决，然后综合这些传感器的决策信息，做出最终的 联合判决。其工作流程经过特征提取、属性说明、属性融合三步。这种方法必须 假定每个传感器之间相互独立，并且都能够进行独立判决，满足这些条件才能进 行决策级融合。目前常用的决策级融合方法有贝叶斯概率推理法、专家系统、统 计决策理论、d e m p s t e r - s h a f e r 证据理论法、模糊推理法或者根据不同情况而特别 设计的各种方法。决策级融合具有很强的容错性，即使在一种或几种传感器失效 时也能工作，很好的开放性，可以尽可能多的加入先验信息和专家知识，处理时 一 杭州电子科技大学硕士学位论文 间短、实时性强。其缺点是需要一整套成熟的信息优化理论以及丰富的专家知识， 与前两种融合方法相比，这种方法的实现难度最大。 早期由于s a r 数据的限制，多源遥感图像融合研究主要是针对光学图像， 如用于机场航空图像的s p a m 系统1 4 1 、用于卫星图像的m e s s i e 系统【5 】、用于市 区航空图像的s i g m a 系统1 6 1 等。然而随着高分辨率商用卫星的发射( 如 t e r r a s a r - x ，r a d a r s a t - 2 ) ，s a r 数据的获取变得越来越容易，几乎可以实时的 获取感兴趣区域的数据，多源s a r 数据的应用变得更加有吸引力，国内外很多 研究人员和机构也陆续开展了这方面的研究，查阅国内外遥感领域比较权威的期 刊，总结了几种典型的信息合技术和应用，如下表所示： 表1 4 多源s a r 信息融合应用现状 时间 作者机构s a r 传感器 融合目的融合方法融合层次 1 9 9 1m r t o m a 【7 】a i r s a r 图像增强最优加权像素级 1 9 9 6n a s aj p l t 8 】e r s 1 、正r s 1地物分类 基于知识决策级 贝叶斯理 1 9 9 6 f s e r y 9 】 s l r c地物分类特征级 论 t m sd s 证据 1 9 9 7shm a s c l e l l 0 1 地物分类决策级 a i r s a r 理论 e r s 1 e r s 2 、 1 9 9 8德国d l r t l l 】 r a d a r s a t 、 洪水监控 模糊专家 决策级 l a n d s a t - 耵 系统 森林参数非线性最 1 9 9 9 e m o u g i n l l 2 1 a i r s a r 特征级 估计优化 s a r 图像d s 证据 1 9 9 9ft u p i n | 1 3 】e r s 1 决策级 初步解译理论 l a u r e n t 贝叶斯理 2 0 0 la i r s a r 地物分类决策级 f e r r o f a m i l l l 4 】论 2 0 0 3 苏芳【1 5 】 e c o g n i t i o n 提供 地物分类 贝叶斯概 的d e m o 图像率推理 决策级 植被种类贝叶斯层 2 0 0 4k o u s k o u l a s y l l 6 】a i r s a r 决策级 区分次分类 a i r s a r 、 s l r c x s a r 水文参数 2 0 0 4s p a l o s c i a 0 7 1 模糊聚类特征级 e r s 1 估计 e r s 2 2 0 0 5 d b o r g h y s i 18 1 e s a r 作物分类 逻辑回归 特征级 2 0 0 7 a c f r e 叫1 1 9 】 s i r c x s a r作物分类 统计决策 特征级 2 0 0 8 刘向君【2 0 】 p l x k u 目标标注基于知识决策级 e r s 2 、 农作物分分类器组 2 0 0 9 8 j o r nw a s k e l 2 1 】 决策级 e n v i s a t类 合 6 杭州电子科技大学硕士学位论文 1 2 3 多源s a r 融合解译存在的一些问题 首先，早期s a r 传感器成像分辨率比较低( 一般为1 0 m 以上) ，一个分辨单 元的散射回波可视为该分辨单元内所有散射体反射回波的叠加，这种s a r 图像 的杂波分布一般认为服从高斯分布，随着s a r 系统技术的发展，成像分辨率可 以达到i m 以下，在这种高分辨率情况下，背景杂波分布不再服从高斯分布，因 而那些建立在高斯分布上的一些s a r 图像处理算法( 如经典的l e e 分类算法和 c f a r 目标检测算法) 需要进一步研究和改进。 其次，在地物分类方面，主要是将s a r 传感器数据与其它光学传感器数据 结合或者将不同波段的单极化s a r 数据结合，对于新近发展起来的全极化形式 的s a r 数据研究较少，相比于单极化数据，全极化数据具有对地物散射特性更 全面的描述，对于全极化数据的分类需要进一步研究。 第三，在目标检测方面主要针对海上目标( 如舰船) 及树林遮蔽下的目标， 雷达伪装网作为保护地面目标反雷达探测最常用的器材之一，在现代战争中起着 非常重要的作用，对于伪装网遮蔽下的目标检测尚未见报道。 而我国由于缺乏实测数据的支持和实际需求的牵引，这方面的研究还处于跟 踪阶段，具有很大的探索性和预研性，有待于进一步的深入研究。 1 3 本文主要研究内容和结构安排 针对目前多源s a r 融合的应用现状和存在的问题，本文主要研究内容及论 文结构安排如下： 第一章绪论，首先论述了本课题的研究背景和意义，介绍了国内外多波段 多极化s a r 系统及信息融合技术应用发展状况及存在的问题，最后给出本文的 主要研究内容及章节结构。 第二章高分辨率全极化s a r 图像背景杂波建模与参数估计，s a r 图像杂波 建模是目标检测和地物分类的基础，在目前已有的s a r 统计模型中，g ：分布能 够较好的对复杂场景建模，然而g ：分布参数估计并没有得到很好的解决，针对 这一问题，本文提出了一种新的基于对数行列式累积量的g ：分布参数估计算法， 该方法以m e l l i n 卷积为出发点，由s a r 的乘性噪声模型推导出了g ! 分布对应的 对数行列式累积量，最终获得了g ：分布参数估计方程组。相比已有的最大似然 估计和矩估计无论在拟合速度和精度上都有所提高，改进的杂波分布将用在后续 的s a r 图像地物分类和目标检测中。 第三章多波段s a r 地物分类与融合，不同波段数据具有不同的极化