多尺度非线性随机模型的理论与SAR图像无监督分割

针对不同指标参数的SAR图像的统计特性，研究在多尺度非线性随机模型框架下的SAR图像无监督分割、多尺度稳健分割及降样的理论与方法。主要研究内容：研究混合多尺度自回归模型、多尺度投影寻踪自回归模型和多尺度自回归滑动平均模型及其估计理论，直接对含斑点噪声SAR图像建立上述多尺度非线性随机模型，据此研究基于多尺度非线性随机模型的SAR图像无监督分割理论与方法，包括模型辨识、建模、特征量提取与分类器构成及快速并行算法；研究多尺度自回归模型的M估计和稳健尺度递归估计理论，据此研究SAR图像多尺度稳健分割的理论与方法；研究SAR图像的Bootstrap（自助）降样理论与方法。.本项目研究成果将丰富多尺度随机模型框架的理论，为多尺度非线性随机模型的应用奠定基础，在解决对含斑点噪声SAR图像直接建模、无监督分割以及海量数据处理等关键技术的基础上，为SAR图像的准确分割与自动目标精确识别提供新理论与新方法。