基于类间伴生关系的北极海冰SAR图像分类方法研究

海冰分布的精确监测对于北极地区的航行安全及气候研究有着重要意义。本项目基于合成孔径雷达（SAR）遥感技术，通过结合海冰特性及冰况图知识来研究北极海冰分类方法。针对SAR海冰图像分类特征上存在的鲁棒性问题，本项目提出了一个"类间伴生关系特征"。这一新特征通过揭示北极各类海冰间固有的伴生特性为判别海冰类别提供了一个有效途径。结合这一特征，本项目拟研究提出一个北极海冰SAR图像分类新方法。该方法通过分析冰况图包含的先验知识，将其转换为海冰的类内特征信息和类间伴生关系信息，为SAR海冰图像的分类提供全面、可靠的专家知识。在此基础上，从SAR海冰图像的局部相似性、类内相似性和类间依存性出发，研究建立一个具有分割与分类反馈纠错机制的分类方法。本项目提出的新方法从特征的鲁棒性、专家知识的可靠性和分类过程的自适应性三个方面提高了对SAR海冰图像结构的认知能力，为实现北极海冰的准确分类提供了一个新途径。

海冰分布的精确监测对于北极地区的航行安全及气候研究有着重要意义。本项目基于合成孔径雷达（SAR）遥感技术，通过结合海冰特性及冰况图知识来研究北极海冰分类的新途径与新方法。经过为期三年的研究工作，本项目在北极海冰SAR图像的处理与解译上研究建立了一系列新方法，并开发构建了一个面向北极海冰SAR图像处理的系统。针对北极海冰SAR图像的分割问题，项目研究了具有边缘保持能力的SAR图像区域化表示方法并应用于海冰SAR图像分割，有效提高了相干斑噪声干扰下海冰区域分割的准确度；研究提出了一种基于冰况图的北极海冰SAR图像分割方法，大大提高了原有冰况图的精度，实现了像素级海冰分布信息的准确定位，并进一步通过挖掘冰况图包含的专家知识建立了一种北极海冰SAR图像训练样本提取新方法，对海冰分类研究具有重要的促进作用；通过研究建立北极海冰的类内特征模型，提出了一种基于区域高斯混合模型聚类的SAR图像分割方法，有效提高了海冰SAR图像的分割速度及抗噪声干扰能力。在分割的基础上，针对北极海冰SAR图像的分类问题，项目研究提出了一种融合专家知识的多层次海冰SAR图像分类方法。该方法充分利用冰况图所提供的海冰类型和部分密集度等信息并将其与分割与分类过程有机结合，从而提高了分类的准确性和可靠性；通过对Eastern Arctic区域2006-2008年间的海冰伴生规律进行统计分析，研究建立了北极海冰类间伴生关系模型及其派生特征提取方法，在此基础上，提出一种以类间伴生关系为核心的海冰SAR图像分类方法，为北极海冰监测提供了一个有效的新途径。此外，本项目还针对北极海冰SAR图像的合成，极化SAR图像相干斑噪声抑制及分割，以及SAR图像滤波性能评价指标等相关问题开展了研究工作。本项目的研究成果已在IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing，遥感学报，the 7th IAPR Workshop on Pattern Recognition in Remote Sensing等国内外期刊和会议上发表论文26篇，并有5篇论文投稿在审。项目成果对于北极海冰监测研究以及SAR图像处理与解译研究有着积极的促进作用和重要意义。