基于广义分布和结构先验的高分辨SAR图像相干斑抑制

For the uncertainty statistical model, scene complexity and structural diversity in high-resolution SAR images, a statistical description model based on generalized distributions is build for high-resolution SAR images. Moreover, inspired by the perception-reasoning model of human vision, a new frame is constructed with gestalt principle and multi-operator fusion for the detection and extraction of structural information of high-resolution SAR images. With the studies on the parameter estimation and metric designing for the application of generalized distributions, an adaptive statistical model is build for high-resolution SAR images. While a generalized distribution based despeckling method is designed for high-resolution SAR images. By analyzing the geometrical property of the structural information of high resolution SAR images and corresponding edge and line detectors, a structural detection frame is build via the fusion of multiple detectors, while a local geometry based reasoning model is build on gestalt principle for an effective extraction of the structural information in high resolution SAR images. Then, by using the generalized distribution based statistical model and the obtained structural prior, a more robust metric and a geometry based classification are designed to improve the effect of samples’ selection, and a more adaptive despeckling methods is obtained to recovery the underlying signal of high-resolution SAR images.

针对高分辨SAR图像降斑过程所面临的统计模型不定、场景复杂和结构多样等问题，建立基于广义特性分布的高分辨SAR图像统计模型，同时借鉴人类视觉中的感知推理模型，建立基于多算子融合和格式塔准则的高分辨SAR图像结构信息检测与提取框架。通过研究广义特性分布模型应用中的参数估计问题和测度准则设计问题，为高分辨SAR图像建立基于广义分布的自适应统计描述模型，并设计基于广义分布模型测度的降斑方法；通过分析高分辨SAR图像中结构信息的几何特性和相应边、线等检测算子的特性，提出并建立基于多算子融合的高分辨SAR图像结构信息检测框架，同时，借鉴视觉研究中的格式塔准则，建立基于局部几何特性的概率推理模型，实现高分辨SAR图像中结构信息的鲁棒性提取；利用获得的结构信息和广义分布模型，通过设计鲁棒的测度准则和基于几何先验的分类策略来提高高分辨SAR图像降斑中相似样选择的有效性，实现对高分辨SAR图像自适应降斑。

随着SAR影像成像技术与应用的快速发展，SAR影像在区域经济发展与规划中发挥着越来越重要的作用。本项目针对中、高分辨SAR影像处理中所面临的统计模型不定、场景复杂和结构多样等问题，以统计分布模型的适用性问题和SAR影像中结构信息的表达与挖掘问题为核心，以SAR影像中的相干斑抑制和变化检测为应用场景，进行了较为系统深入的研究。.具体来说，针对中、高分辨率SAR影像中的统计分布模型，我们从不同统计模型的适用性及相应参数估计方法进行了较为深入的分析，通过将参数估计引入到SAR影像相干斑抑制中设计实现了一种自适应的相干斑抑制算法。针对中、高分辨率SAR影像中场景复杂、结构多样的特性，我们通过分析传统梯度算子所具有属性特性，设计一种适用于SAR影像结构信息提取的梯度算子，通过分析不同噪声条件下SAR影像结构信息的提出性能，设计并实现了基于局部相关性核函数的SAR影像相干斑抑制算法。与此同时，针对不同分辨率的SAR影像所共有的空间几何结构特性，通过将具有多尺度特性的SAR素描模型与基于参数估计的同质区域搜索方法相结合，设计并实现了基于分治思想的SAR影像相干斑抑制方法。实验表明，该方法可以有效地实现不同分辨率下SAR影像的相干斑抑制。此外，通过将SAR影像结构信息的提取方法与传统的马尔可夫模型结合，利用贝叶斯最大后验概率模型，设计实现了多个SAR影像的变化检测算法和SAR影像分割算法。.通过上述研究，我们可以看出通过将SAR影像的结构信息挖掘与SAR影像的统计分布模型相结合，有利于对不同分辨率下SAR影像中的相干斑进行抑制。本质上，上述策略是一种分治策略。而利用分治策略可以有效地克服SAR影像的全局非平稳特性，实现SAR影像的自适应性处理。同时，SAR影像中所蕴含的空间结构信息对于设计有效的SAR影像处理算法具有重要的意义。