设计关键词输入中文关键词

摘 第一章绪 课题背景及意 课题背 研究意 国内外研究现状及分 GIS国内外研究现 SAR国内外研究现 多源数据融合国内外研究现 本文的主要工作及结 第2章基于先验知识的SAR图像目标特征提 研究现状及存在的问 研究现 SAR图像目标提取中存在的问 目标特征提 SAR图像中农田目标的提 SAR图像中水域目标的提 本章小 第3章SAR与GIS配准融合技 图像配准的概 图像配准的一般方 图像配准精度的评 基于SURF的图像配准技 SURF配准算法概 实验结果及分 本章小 第4章SAR图像变化检测技 变化检测的概 变化检测对本文的重要意 常用的变化检测算 基于模糊综合贴近度的变换检测算 实验结果及对比分 本章小 结 致 附 一性检验，即相同点的匹配[周.图像配准技术研究[D].西安:西安电子科技大学,2008.]配准及融合技术涉及到军事、航天、医学等领域，在军事勘察、航空探合成孔径（SyntheticApertureRadar,SAR）是主动式的一的光学相机及红外探测装置相比，SAR对于环境的适应能力更强，可以极及雾气具有一定的性。[.合成孔径技术发展研究[J].探测与定位,(4):58-63.]除此之外，SAR图像中丰富的纹理信息也是其他成像设备难以获SAR图像的信噪比降低，而且掩、顶底倒置等缺陷。[宋晶晶,.基于三维多项式模型的机载SAR图像几何校正研究[J].第十七届中国遥感大会集,2010.]虽然目前已经出现了可以解决部SAR已经广泛应用于各领域，这些新的装备并不不足。而SARGIS的融合便是其中很重要的部分。GIS，系统GIS信息库。GIS数据库中包含准确的地理位置、地物分类、目标特征甚至目标实景图像等信息，[.地理信息系统(GIS)发展史及前景展望[D].中国地质大学(),2011.]可以为SAR图像的目标分类及批量特征提取等提供先验知识。但是GIS变化并不更新，使得区域的描述和当前的真实信息存在一定的差SARGIS信息为背景的，对数据的配前面已经介绍了合成孔径（SAR）与地理信息系统数据（GIS数据库）的优缺点，我们从比较中可以看出，SARGIS都拥有自己独特的优SARSAR图像特SAR图像中的模糊或隐藏的地物目标，在军事目标识别和精确打击方面具有重要意义，大大提升现有合成孔径的应SAR图像，可以获取地物目标的GISGIS的GIS数据库的实用价值。SARGIS信息库的配准融合技术具体来说有以下几GIS信息可以提高SAR利用SAR图像识别地物目标时，主要通过其灰度信息及纹理特征进SAR图像中的相干斑噪声使得图像的灰度信息及纹理信息都会SAR图像上对需要的目标进行快速的粗定位，生成感区，之后在感区内进行精确提取。这样，一方面可以提高目SAR图像中进行检测，从而避免了其它地物目标对多提取目标的干扰，进而提高目标的提取精度。[彪，杨桄，，，.基于GIS的军事目标专题研究[J].测绘与空间地理信息.GIS信息库与SARSAR因为GIS信息库是一个极其丰富的数据库，数据库的数据来源于航空航天遥感、纸质地图数字化、合成孔 、近景摄影测量及手工测绘多个方面[.浅谈地理信息系统数据的来源和质量[J].中国西部科技,2008,7(5):29-30.]，涵盖了各种点目标、线目标及面目标，而SAR图像中点目标的提取SARGIS前文已经提到，GIS数据库的信息来源很多来源于手工测量，这就导GIS数据库无法进行及时的更新，从而在利用上不具有实时性，对其应用范围的拓展具有一定的局限性。合成孔径（SAR）作为GIS数据SAR的GIS数据库的更新提供部分信息。不仅如此，SAR图像的变总之，SAR图像和GISGISGIS的发展得益于40、50年代计算机科学的进步，使得汇总、处理大量数据成为可能。在国外，GIS在20世纪60年代起步，其最初的用途为土地利用的规划、地图的绘制以及人口普查等“GIS”的概念于1963各国也成立了很多GIS研究的相关组织。例如城市和区域信息系统协（URISA（CGDSP息系统（NASIS）等。20世纪60年代让人们开始关注GIS这个全新的领域[ChristopherB.Jones.GeographicalInformationSystemandComputerCartography.AddisonWesley,1997][http 2070年代是计算机迅速发展的阶段，此时计算机开始进入小规模集成电路阶段，运算速度达到106~108次/秒。而且数据库系统的建立也为GIS大量数据的录入、、检索提供可能。这个时期被称为巩固面。主要研究成果有USGS制的土地管理系统，20世纪70年代GIS逐步开始实用20世纪80年代，计算机的发展迎来了，超大规模集成电路的出而依赖于计算机的GIS技术也得到了空前的发展。软件和硬件上的发展让GIS开始进入实用化阶段。1988年，SmallWorld公司成立，标志着国外的GIS技术开始商业化[http 在现阶段，的国家已经开始探索并利用GIS与遥感信息进行融，19741980GIS相关研究的投从发展历史看，我国的GIS技术与国外依然存在较大的差距。70年数据甚至为海外中的军事行动提供了轰炸依据。[.地理信息系统的应用现状和发展趋势分析[J].河北农业科学,2009,13(1):140-142.]SAR20世纪50年代，开始出现合成孔径（SAR）的相关概念及理论研究。1953年7月伊大学的Sherwin等人利用机载X波段相干脉冲得到了一幅实验性的SAR图像。1957年，在军方的支持下，经过四年的努力，Michigan大学成功得到了世界上第一幅完全聚焦的条带式正侧视SAR图像。1967GreenbergSAR的构想，Greenberg认为星载SAR飞行高度高、测绘带宽，适合对地大面积成像。70年代后期，宇Seasat-a，该的飞行高度为800km，测绘带宽达到了100km.这也标志这SAR的发展开始进入太空时代，此后前、欧洲、、等国家和地区都拥有了自己的星载SAR。其中前在1987年发射的“COSMOS-1870252时唯一一部能够长期工作的空间SARSR凭借其在环境适应能力的卓越表现，得到了各国的高度重视。目前已经工作的星载SR系统有航天局的SIA和SI、前的1、欧洲多国联合研制的ES1和ES2、的ES1和LSrrSXSkydrrS-X和Sky分辨率都达到了1米。[.成孔像技研究[].中国院(子学,.]虽然我国在星载、机载SAR方面起步较晚，但是经过一代人的艰苦奋斗，已经逐渐走到了世界的领先水平。SR图像的信息，更好的为民生和国防事业服务。自主进行信息综合处理。在开始的阶段，的Landsat利用多个不纪90年代以来，随着科学技术的进步，我们已经可以利用遥感、地理（GIS融合的数据来源更加丰富。的TI公司将红外成像与微光成像图像相融战环境[杨，的影像融合技术[J].国外动态.1993]。之后军方又在F-16战斗机上进行了尝试，将红外、激光和光学相机得到的图像能力[.多源图像融合的目标识别研究[D]..:大学,设计局设计的米-28战斗直升机的数据融合系统更是将主动、红外传感更为惊人的能力与环境适应能力[.SAR图像水域分类方法的研究[D].长安大学摄影测量与遥感学科，2010：2-3.]。国内对数据融合的研究起步较晚，还处于状态。1980年起，内才开始目标的理论研究工作，但是受制于数据获取不够丰富，进展较为缓慢。近年起，国内SAR成像、光学成像、高光谱成像等技术都完善，而我国在这方面还鲜有。利用数据融合技术对SAR图像进行必要补充，提高SAR的军事能力和空中监测能力是我国当前的一项SAR图像的融合并发挥互补优势，是多源数据融合中的一项新的内容。从目前公开的文章中看，GIS与各类遥感数据的融合已经有一些研究。国内外已的文章对GIS辅助的山区河流边界获取、GIS约束的海岸线提取[朱俊杰,,,等.GIS数据约束的海岸带SAR图像多尺度分割[J].应用科学学报,2013(1):79-83.]等做了相SARSAR系统的信SAR的观测数据实现地面测绘、军事侦察以及预测是我们关心的首要问题。但是当前对SAR数据的利用主GISSARSAR图像的智GIS-SAR数据融GIS技术发展的迫切需求。先前时刻SAR

当前时刻SAR更更新特征图与 变化检 引导目标提数据库1.3.1本文主要研究三个方面的内容，分别为基于先验知识的SAR图像目标提取技术研究、SARGISSAR图像变化SAR图像目标特征提取技术。以农田和缘、纹理等，为SARGIS配准做准备。SARGIS配准融合技术及应用。对于不同元数据GIS矢量数据格式转换技术、SARGIS配准技术，并验证了两者配准融合后对SAR图像中目标提取的引导作用。SAR图像的变化检测技术。SARGIS的融合可以应用于很多方面，比如军事打击评估、变化检测、引导目标提取等。但是GIS的信息库具有滞后性，并不发现地形或者地貌的变化。而SAR图像的时效性刚好解决了这一问题，因此SAR图像的变化检测技术对于SARGIS的配准融合具有重要的意义。合成孔径（SAR）不同于光学图像，它是通过主动发射电磁波并接收回波信号进行成像。SAR图像的分辨率相比于可见光图像较低，并且SAR成像都是侧视，使得目标的外形、轮廓都发生了较大的形变。SAR图像中的目标SAR图像中的农田和水域目SAR是不同于光学成像的一种成像方式，SAR图像包含其他图再适用或者精度不高，SAR图像目标的提取存在一些问题需要解决。方位角的不同也会造成目标的散射系数不一样，使得同类别的目标在SR常用的阈值分割法不再适用。SR图像的图像噪声较大，其中最主要的是相干斑噪声。相干斑噪声在所有的SR图像中均表现为颗粒状的亮斑[oodmn,..Smeundmntlpoptisofkl..p.So.m,176,661145150]。如2.1.1应该表现低亮度区域并且成面状分布，而且灰度值较为均匀；但是相干斑噪声的存在会使灰度值变得不再均匀，在水域区域中存在颗粒状的白斑，显然这对目标的提取是不利的。2.1.1相干斑噪声对SAR一般来说，合成孔径都是正侧视成像，这种成像方式会使图像存在迎坡缩短、叠掩、顶底倒置等现象[.SAR图像去噪与分割算法的研究[J].西安：西安电子科技大学电路与系统学科，2003]，这就对总的来说，原来用于光学图像的目标提取算法在SAR图像中并不是在图像的配准融合过程中，特征点的选取是至关重要的一步。随着SAR成像技术的进步，成像质量越来越来，分辨率有了很大的提高，有些已经达到了亚米级。这就意味着图像上呈现了的细节，如果直接在SAR图像中提取特征点，很容易受到图像中的细节和相干斑噪声的影响，为了降低影响，尽可能提高匹配精度，须提取目标特征，在特征图中寻找特征点。所以，SAR图像中的目标检测是配准融合之前至关重要的步骤，本章感的目标为农田和水域。SAR纹理特征：纹理特征能够反映地物在灰度上周期性变化的规律，农田的纹理特征主要包含纹波、斑纹以及受到其他地物影响而出现的不规则纹理。对于集聚排列的农田块，它们的颜色、形状都会形成明显的纹理特征[.遥感技术现状及其在林业中的应用.林业资源管理20042505.]。光谱特征：由于农田上的作物会随着季节的变化而改变，其表现出来的光谱特征也会明显，但在同一季节表现出来的灰度较为均匀。[,.基于高分辨率影像数据的耕地信息提取应用研究河北遥感,2009(4):11-13.SAR图像中表现为较为清晰的边缘，一般为相对规SAR图像中农田特征的提取方法可分为：基于光谱特征的阈值分割法和分水岭方法[高,泉,,等.高分辨率遥感图像耕地地块提取方法研究[J].光谱学与光谱分析,2009,29(10):2703-2707.][.基于分割的纹理分类农田信息提取[J].闽江学院学报,2010,31(2):132-135.]；基于迭代自组织数据分析的农田提取算法[,,,等.国家尺度耕地变化驱动力的定量分析方法[J].农业工程学报,2005,21(4):56-60.]。农田是典型的面目标，对面目标的提取也包含很多算法。形态学算法需要确立一个点，要么依赖于人工要么需要其他算法的参与；基于光因为农田在SAR图像中表现的光谱特征较为均匀，迭代自组织数据分析算法能够对农田进行非监督分类。其主要步骤如图.1所示：（2）SAR图像中每个像素与该聚类中心的“距（3）迭代，直到符合我们设定的迭代次数[[,]。迭代次数高等人提出了一种基变换和分水岭分割的高分辨率遥感图.2所示：通过对图像进行对比增强，并将象进行抑制[高]。平滑近图图.2高等人改进的分水岭分割算法主要步这种方法虽然能够将农田主体分割出来，但是受较大，尤其.1分水岭分割算法处理结果较为细致，但是很容易受到SAR图像相干相干斑噪声在SAR成像过程中不可避免产生，相应的抑制算法也出一般，所以在SAR图像滤波中很少使用。就目前来说，SAR图像滤波中常用的几种滤波器主要有：Lee滤波及其增强型、Frost滤波及其增强型。Lee滤波[LeeJS.Refinedfilteringofimagenoiseusinglocalstatistics[J].Computergraphicsandimageprocessing,1981,15(4):380-389.]Le滤波假设的噪声模型是完全发育的斑点乘性噪声模型，认为先验均值和方差都能够根据在均匀的局部区域内计算的均值和方差确定。Le滤波是一种以最小均方误差（SE）为准则不断优化的线形滤波器滤波算法。在滤波过程中，滤波器会在图像中的每个像素上逐步移动，其对应的局部统计量也会随着滤波器位置的不同有不同。假设滤波器窗口大小为（2m+1，2n+1gijgij代表滤波器中心像素(i,j)的均值。g(i,j)g (2m1)(2n

jmg(k,l)kjml

计算滤波器窗口内的各个像素的局部平均标准差ijij代表滤波器中心像素(i,j(i,j) (2m1)(2n

jmkjml

计算Lee

gijgij(1k)

其中，gij代表滤波后的值，k为值，由式(2-4)计2g2(i,k Lee滤波器对靠近边缘或点目标的同质区域像素滤波效果不太理想，Lee又提出了一种基于边缘检测的自适应滤波算法。改进算法的思想被称为精致Lee滤波[LeeJS,GrunesMR,BoernerWMPolarimetricpropertypreservationinSARspecklefiltering[C].OpticalScience,EngineeringandInstrumentation'97.InternationalSocietyforOpticsandPhotonics,1997:236-242.]，它是通过重新定义为77，处理过程如下：将77的窗口分为九个小窗口，每个小窗口大小为33，可以看出个小窗口之间是存在相互部分的。图.2表示出了这9个小.27*79计算各个小窗口的均值。并利用小窗口的均值构造33用来估计局域窗中边缘的方向。具体是将均值矩阵与图.3中的四种边缘模板进行计算，选择计算结果绝对值的方向为边缘方向[杨大海,.基于极化矢量相似系数的极化Lee滤波改进算法[J].信息工程大学学报,2010,11(006):737-740.][,,.Boxcar滤波器和极化RefinedLee滤波器对极化SAR分类精度影响的评估[J].影像技术,2011,5:10 1 010 0 10 1 .3四种33梯度模板（分别为90135045重新估计局域均值和方差，从而重新估计中心像素的均值和方差。一 .3对于90M23对于135M13

M21M31

，则模板为(1a)，否则为，则模板为(1b)，否则为对于0M32M22M12M22，则模板为(1c)，否则为对于45M11

M33

（2dFrost滤波算法是以假定噪声模型为乘性噪声模型为前提的，而一般SARSAR图像进行较好的滤波。Frost滤波器的冲激响应为双边指数函数，通常可以近似Lee滤波器类似，滤波器的各项参数都是根据滑动窗口大小确定的[,.SAR图像相干斑抑制研究进展[J].ComputerEngineeringandApplications,2013,49(20).]。假设滤波器的窗口大小为nn，Frostgij与方差g ng(k,n nk1l n(k,n nk1l计算平滑窗口中的各个对应像素的权重[.一种改进的SAR影像斑点噪声抑制方法[J].地理信息世界,2008,6(1):73-76.]Mijexp(AijTij

其中，A g2，T表示平滑窗口内中心像元到期邻像元的绝对 计算Frost gijg(k,l)Mij

k1l k1lg(kl为(kl处的灰度值Mij.3所示。 图.3(a)为原图，图间为农田部分，图像左部为水体，其他区域为村庄;(b)为Lee滤波结果;(c)为精致Lee滤波结果;(d)为Frost滤波由实验的结果对比可以发现，精致Lee滤波器在靠近边缘或者点目标的区域滤波比Lee滤波器滤波的更充分，效果更好，但是边缘保持都不是很好。而Frost滤波器滤波效果虽然与精细Lee滤波相比稍差，但是其边缘完整且图像信息损失较少，而且实现起来简单，运算量比精致Lee小，所以综合考虑，本文使用Frost滤波器对图像进行预处理。分水岭的概念来源于地形学，指的就是将区域划分成两个不同的水系。在图像处理中，图像看作被水覆盖的地貌，而其中的每个像素的灰度值代表这一点的高程，“集水盆”的边界我们称为分水岭，这里的集水盆是指图像中的局部极小值及其影响的区域[熊立志.基于分水岭算法的遥感影像过分割问题的研究[D].太原科技大学,2012.]。三维地貌模型如图.4所示。图.4分水岭三维模型[,,.一种改进分水岭算法在高速高精度贴片机视觉检测中的应用[J].电子技术应用,2005,7:9-11.]最小值区域底部开一个小孔，同时有水从孔中漫出，并逐渐将这个“低结果存在严重的过分割现象，采用去除相干噪声、进行形态学变换凸显目标内部信息以及区域合并等处理，都能够大大降低过分割带来的影岭分割的影响，其具体步骤如下[，杨云霞.基于分水岭变换的图像分方法.太原师范学院学报2008(4):132-提高图像的对比度，有利于将农田目标与村庄等复杂背景的灰度值差距变大，方便之后对图像进行二值化处理。标记图像中极大值点，对目标区域进行增强处理。可以将背景与目标区域分开，从而尽可能的降低了背景对目标提取的影响。假设I0为分水岭分割后的图像，它被分割成N个小区域Ri(Si,Gii12N，其中Si,Gii个区域的大小和平均灰度值。k,l，构造代价函数MergeCost:MergeCost

GG

找到灰度值为Gi的区域在分水岭分割后的图像中的位置，将其记录到I1中（I0一样，将该区域所有的像素灰度值1；Gi的区域的邻域位置。以55I1进行膨胀运算I2I2I1则代表了灰度值为Gi的区域邻域的查找灰度值为Gi的区域的邻域像素的灰度值。因为分水岭分割后的图0，因此(I2I1I0就表示了灰度值为Gi的区域邻域所有像素的灰度值。代入到代价函数MergeCost图像的纹理反映的是一个区域中像素灰度值在空间分布的规律和属性。相比于光学图像，SR图像拥有更为丰富的纹理信息，不同的地物粗糙程度有差异，在图像中就表现为不同的纹理特征。为了在图像处理中引入纹理特征，必须找到一种合理的定量描述方式，目前的描述方法分为统计分析方法和结构分析方法两大类，其中统计分析方法是最为常用的一种描述方式。而灰度共生矩阵（ryLvloourrnetrix，简称LM）是纹理分析最为实用的方法，在很多方面得到了应用。本文是在参照了基于纹理特征的居民区提取方法[FanW,ChaoW,HongZ.ResidentialareainformationextractionbycombiningairborneSARandopticalimages[C].GeoscienceandRemoteSensingSymposium,2004.IGARSS'04.Proceedings.2004IEEEInternational.IEEE,2004,4:2568-2570.]后得到的启发，利用纹理特征对农田的moment（contrastmoment特征量[HaralickRM,ShanmugamK,DinsteinI.TexturalFeaturesforImageClassification[J].IEEETransactionsonSystems,ManandCybernetics,1973,SMC-3(6):ASM素越集中于主对角线，表示图像的灰度越均匀。ASM能量定义为：ASMP(i,j|d,i,图像的纹理越细腻，ASM

CON(ij)2P(i,j|d,

ENTP(i,j|d,)logP(i,j|d,i,

COR(ix)(jy)P(i,j|d,i,

xiP(i,j|d,)

yjP(i,j|d,) x(ix)2P(i,j|d,)

(j)2P(i,j|d, MNI0L个，则计算量大致为MNL2。对于一个大小为512512，灰度级L=256的图像，大致需要运行1.71010次，可效的图像纹理，经过实验本文确定的灰度级为16个，窗口大小设置为1515。纹理提取的步骤如下：生成SAR图像的灰度共生矩阵。在0、45、90和135四个方向上分别采用1515的窗口和16级灰度的方式计算灰度共生矩阵，构成GLCM矩阵（大小为16164（ASM（CON（COR每个量都是包含0、45、90和135四个方向的值，进而构成一个维向量ASMENTCONCORTMN16的矩C均值聚类（FCM）ISODATABezdek提[BezdekJC.PhysicalinterpretationoffuzzyISODATA[J].IEEETRANSACTIONSONSYSTEMSMANANDCYBERNETICS,1976,6(5):387-nxjj12nc个类，按照每类非相似性指标达到最小的原则求出每个类的聚类中心。FCM2minJU,c1,...,cc2

JUJUccJm

cixj

cuijxjiij0,1，且ij1j12n1,cii的中心，m为模糊权值。JUc1cc1n，求得式(2-14)达 JU,c1,...,cc,1,...,nJU,c1,...,ccjuijnij jj nij j

cncn

md2

uu

j

j

其中，j(j1,2,...,n)为日乘子。对各个输入量求偏导，得到使FCM目标函数达到最小值的条件为[.模糊C均值聚类算法的相关问题研究[D].中国海洋大学,2011.][TongX,ZengS,ZhouK,etal.Hand-writtennumeralrecognitionbasedonZernikemoment[C]. ysisandPatternRecognition,ICWAPR'08.InternationalConferenceon.IEEE,2008,1:368-m cj

ij

k

j1

d d c2 具体实现FCM.4FCMcU初始化。其中的元素ij0~1c计算初始聚类中心ciij及相关参数代入到式(2-16)JUc1ccJUc1ccTJUc1cc.3(a).5 .5(a)其余区域为村庄;(b)为形态学处理之后的结果，主要为了凸显目标区域;(c)利用分水岭分割后的结果;(d)为区域合并的结果，抑制分水岭的过分割问题;(e)为纹理聚类结果，白色像素为农田可能出现的区域，黑色为农田不可能出现的区域(f)参照结果分析：通过查阅相关文献，发现SAR图像农田的提取目标研究的较少，只有高提取了一种基于分水岭分割的农田提取算法，尽管采用区SAR成像系统中，由经验知识可知，由于水体在微波范围内的发射SAR图像中表现为低亮度区域并且成面状分布，与周围环境有较大的差异，理论上比较容易识别。目前国内外研究水体特征提取的方法有：基于统