借助数字图像处理技术,发展适应于SAR数据特性的SAR图像处理方法,以提取和辨识SAR图像中所包含的丰富的地物信息。SAR图像信息处理主要包括降班滤波、特征提取和图像分类三大类技术。
1.降斑滤波
通常,用数字图像滤波技术降低SAR图像的斑点效应,求得雷达后向散射系数的最佳估计。注意到,由于相干斑呈现为乘性噪声,且为非高斯分布模型,所以适用于加性高斯噪声的数字滤波器就需要做类似“同态变换”的处理。即使这样,仍然存在下面所述的两大困难,有待于发展适合于SAR图像相干斑特点的有效滤波技术。
一个困难是,经过变换使具有乘性模型的相干斑加性化,应用贝叶斯最佳估计方法得到的估计值是有偏的,对估计精度及其鲁棒性都提出挑战。另一个困难是,如何利用相干斑的加性模型,SAR图像的等效信噪比一般低于0分贝。在这种情况下,无论是贝叶斯估计器还是核函数滤波器都将失去其有效性。在降低噪声的同时保留图像的细节信息方面提出挑战。
2.特征提取
由雷达后向散射系数强度构成的图像具有类似光学图像的可观性。因此可以借用数字图像处理技术来检测和辨识SAR图像的点、线、面目标。
a.利用目标检测技术,搜索车辆、轮船、飞机等感兴趣的点目标;
b.利用轮廓提取技术,检测道路、海岸线、边缘等感兴趣的线目标;
c.利用图像分割技术,分辨不同纹理的区域
3.图像分类
合成孔径雷达图像中含有丰富的极化散射信息,可以反映地物目标的几何、纹理、材质等物理特性。依据提取的特征信息进行SAR图像目标分类是SAR图像解译和应用的最重要的技术之一。图像分类具有三层意义:像素分类、目标分类和场景分类。
无论是上述哪个层次的SAR图像分类,其基本原理都是根据提取的信号特征分量,在特征空间上划分不同的类别(用分类器实现)。
注:文章选自《合成孔径雷达图像信息解译与应用技术》孙洪等著