基于三重判别随机场模型的SAR图像分割研究

This project studies the nonstationary SAR image segmentation based on the research of nonstationary statistical property,feature extraction of SAR image and the electromagnetic scattering mechanisms of SAR data. Focusing on the nonstationary statistical modeling of SAR image, this project constructs nonstationary SAR image segmentation theories and methodologies utilizing the triplet discriminative random fields model based on Bayesian fusion theory, establishes nonstationary SAR image segmentation theories and methodologies based on triplet high-order discriminative random fields model and constructs nonstationary SAR image segmentation theories and methodologies based on hierarchical triplet discriminative random fields model. The aim of this project is to capture the SAR image information in a more completed manner effectively, model the statistics of SAR data adaptively in segmentation, extract the statistical feature of SAR image exactly, model the nonstationary complex spatial configuration of SAR image accurately and construct effective Bayesian inference with respect to the proposed statistical model. This project is able to provide the novel theories and methodologies for nonstationary SAR image segmentation and promote SAR applications in many fields such as geological exploration, map updating, detection and assessment of fire-attacks in the battlefield. In this way, this project is of great application value in civil and military field.

本项目以非平稳SAR图像分割为研究内容，以SAR图像的非平稳统计特性、统计特征以及SAR地物目标的散射机制为基础，以研究SAR图像的非平稳统计建模为重点,结合贝叶斯信息融合理论、专家场理论以及多分辨率处理理论，研究并建立基于贝叶斯信息融合的三重判别随机场模型的SAR图像分割的新理论和新方法，研究并建立基于三重高维判别随机场模型的SAR图像分割的新理论和新方法，研究并建立基于分层三重判别随机场模型的SAR图像分割的新理论和新方法，突破SAR图像信息的全面有效捕获、SAR数据统计分布模型的自动选取、SAR图像非平稳复杂空域结构的精确统计建模、模型能量最小化的有效统计推导以及特征准确提取等技术难点，提供非平稳SAR图像分割的新理论和新方法，为地球变化研究、地图绘制以及战场侦察和打击评估提供有效的方法和技术支持，具有重大的民用和军事应用价值。

本项目针对SAR遥感对地观测以及战场态势感知的实际需求，结合三重马尔可夫场（TMF）模型、条件随机场（CRF）模型、Dirichlet过程、贝叶斯信息融合理论、多分辨率处理理论以及专家乘积理论，研究了基于优化结构三重判别随机场模型的SAR图像分割技术，突破了非平稳SAR图像空域结构信息的精确建模、全极化/单极化SAR数据统计分布的精确建模、目标类别数目自适应确定以及全极化/单极化SAR数据信息的全面有效捕获等技术难点，为地表测绘以及战场侦察提供了有效的方法和技术支持，具体研究工作如下：.1. 针对非平稳极化SAR数据的复杂性和极度不均匀性，本项目对极化SAR数据的精确统计模型建立进行了研究。提出了一种高普适性的WGΓ分布及其分布参数的估计方法，对同质以及异质区域内极化SAR数据的统计建模实验验证了WGΓ分布的有效性和普适性，进而应用WGΓ分布实现了极化SAR图像的精确分割；进一步考虑自然场景的复杂性和相关波的影响，提出了描述复杂极化SAR数据的WGГ混合模型，进而提出了Markov-WGГ混合模型以用于极化SAR图像分割。.2. 针对地物信息有效提取及利用，研究了基于NNED的极化目标分解技术。提出了层次后向策略以及结合层次后向策略的Yamaguchi-Sato分解，从而有效实现极化目标分解并提取极化散射特征。以上述极化目标分解方法提取的极化散射特征为基础，通过训练样本在特征空间上的距离确定核函数的权重系数，从而构建了加权合成核，实现了精确的极化SAR图像分割。.3. 研究了优化结构随机场模型在全极化/单极化SAR图像分割分类中的应用。提出了TMF-SAF模型、Dirichlet过程-Markov混合模型、分层条件随机场模型、高阶条件随机场模型以及贝叶斯信息融合三重判别随机场模型等多种优化结构随机场模型，从而精确全面地捕获了SAR图像空域结构信息、图像纹理特征以及SAR图像数据的散射特征，有效提高了随机场模型处理SAR图像分割分类问题的精确性和普适性。.本项目资助期间,课题组在国外高水平刊物上发表与本课题研究内容相关的学术论文14篇,其中 SCI检索 13篇，EI检索14篇 ,申请并授权国家发明专利6项。