資源描述：
《SAR圖像特征數(shù)據(jù)提取與SAR圖像分割研究.pdf》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。
1、論文題目SAR圖像特征數(shù)據(jù)提取與SAR圖像分割研究專(zhuān)業(yè)學(xué)位類(lèi)別工程碩士學(xué)號(hào)201091232204作者姓名張?jiān)砌沃笇?dǎo)教師陳端兵副教授萬(wàn)方數(shù)據(jù)分類(lèi)號(hào)密級(jí)注1UDC學(xué)位論文SAR圖像特征數(shù)據(jù)提取與SAR圖像分割研究（題名和副題名）張?jiān)砌危ㄗ髡咝彰┲笇?dǎo)教師陳端兵副教授電子科技大學(xué)成都屠文高工中國(guó)人壽保險(xiǎn)公司新疆分公司烏魯木齊（姓名、職稱(chēng)、單位名稱(chēng)）申請(qǐng)學(xué)位級(jí)別碩士專(zhuān)業(yè)學(xué)位類(lèi)別工程碩士工程領(lǐng)域名稱(chēng)軟件工程提交論文日期2012.09論文答辯日期2012.11學(xué)位授予單位和日期電子科技大學(xué)年月日答辯委員會(huì)主席評(píng)閱人注1：注明《國(guó)
2、際十進(jìn)分類(lèi)法UDC》的類(lèi)號(hào)。萬(wàn)方數(shù)據(jù)SARIMAGEFEATUREDATAEXTRACTIONANDSARIMAGESEGMENTATIONAThesisSubmittedtoUniversityofElectronicScienceandTechnologyofChinaMajor:SoftwareEngineeringAuthor:ZhangYunxinAdvisor:ChenDuanbingSchool:SchoolofComputerScience&Engineering萬(wàn)方數(shù)據(jù)獨(dú)創(chuàng)性聲明本人聲明所呈交的學(xué)位論
3、文是本人在導(dǎo)師指導(dǎo)下進(jìn)行的研究工作及取得的研究成果。據(jù)我所知，除了文中特別加以標(biāo)注和致謝的地方外，論文中不包含其他人已經(jīng)發(fā)表或撰寫(xiě)過(guò)的研究成果，也不包含為獲得電子科技大學(xué)或其它教育機(jī)構(gòu)的學(xué)位或證書(shū)而使用過(guò)的材料。與我一同工作的同志對(duì)本研究所做的任何貢獻(xiàn)均已在論文中作了明確的說(shuō)明并表示謝意。作者簽名：日期：年月日`論文使用授權(quán)本學(xué)位論文作者完全了解電子科技大學(xué)有關(guān)保留、使用學(xué)位論文的規(guī)定，有權(quán)保留并向國(guó)家有關(guān)部門(mén)或機(jī)構(gòu)送交論文的復(fù)印件和磁盤(pán)，允許論文被查閱和借閱。本人授權(quán)電子科技大學(xué)可以將學(xué)位論文的全部或部分內(nèi)容編入有關(guān)
4、數(shù)據(jù)庫(kù)進(jìn)行檢索，可以采用影印、縮印或掃描等復(fù)制手段保存、匯編學(xué)位論文。（保密的學(xué)位論文在解密后應(yīng)遵守此規(guī)定）作者簽名：導(dǎo)師簽名：日期：年月日萬(wàn)方數(shù)據(jù)摘要摘要隨著合成孔徑雷達(dá)（SAR：SynthenicApertureRadar）圖像的信息越來(lái)越多，怎么樣更好的利用合成孔徑雷達(dá)所提供的圖像信息以及新的技術(shù)理論，來(lái)實(shí)現(xiàn)合成孔徑雷達(dá)圖像特征準(zhǔn)確提取以及精確解譯，是合成孔徑雷達(dá)圖像在軍事目標(biāo)跟蹤和識(shí)別上的瓶頸問(wèn)題。合成孔徑雷達(dá)圖像具有很多不同于普通光學(xué)圖像的特征：比如較大的動(dòng)態(tài)范圍、嚴(yán)重的斑噪聲以及豐富的紋理信息等。由于分形特
5、征在合成孔徑雷達(dá)圖像的處理中具有描述紋理粗糙度、抗斑噪聲能力以及與人的視覺(jué)感知相一致等特點(diǎn)，所以分形理論依靠自身獨(dú)特的描述圖像方式，為合成孔徑雷達(dá)圖像處理開(kāi)辟了新的途徑。分形特征中的分形維數(shù)(FractalDimension，F(xiàn)D)，是描述圖像分形特征中非常有用的工具，根據(jù)差分盒維數(shù)中空盒子的影響，我們用概率的計(jì)算方法提出一種基于分形布朗模型的真實(shí)差分盒維數(shù)算法，在最大的程度上減少了空盒子對(duì)分形維數(shù)計(jì)算所產(chǎn)生的影響。通過(guò)研究灰度的空間相關(guān)特性來(lái)描述紋理的一種常用的方法，就叫灰度共生矩陣，同時(shí)也是我們?cè)鯓永煤眉y理信息在
6、合成孔徑雷達(dá)圖像處理上的重要方面。本文以大量實(shí)驗(yàn)分析了影響合成孔徑雷達(dá)圖像灰度共生矩陣（GLCM）的距離、窗口大小等因素，確立了提取合成孔徑雷達(dá)圖像灰度共生矩陣特征的因素的大小，并針對(duì)過(guò)大窗口提取較小分辨率合成孔徑雷達(dá)圖像時(shí)造成圖像信息損失的缺點(diǎn)，設(shè)計(jì)了一種利用動(dòng)態(tài)滑動(dòng)窗口提取灰度共生矩陣特征，有效的減少了信息損失的缺點(diǎn)情況發(fā)生。根據(jù)光學(xué)的圖像分割方法在處理合成孔徑雷達(dá)圖像時(shí)往往得不到很好的結(jié)果。提取合成孔徑雷達(dá)圖像紋理特征與分形特征后，本文分析總結(jié)了合成孔徑雷達(dá)圖像分割的主要算法，實(shí)現(xiàn)了一種基于灰度共生矩陣特征的模糊
7、Ｃ均值合成孔徑雷達(dá)圖像分割算法。該算法結(jié)合灰度共生矩陣特征與合成孔徑雷達(dá)圖像灰度值征，利用模糊Ｃ均值聚類(lèi)（Fuzzyclustermethod，F(xiàn)CM）算法對(duì)特征值進(jìn)行聚類(lèi)實(shí)現(xiàn)了對(duì)合成孔徑雷達(dá)圖像的分割。在論文最后完成了利用分形維數(shù)的合成孔徑雷達(dá)圖像分割，實(shí)驗(yàn)證明了這兩種方法的有效性。關(guān)鍵詞：合成孔徑雷達(dá)，分形理論，分形維數(shù)，灰度共生矩陣，模糊Ｃ均值聚類(lèi)Ⅰ萬(wàn)方數(shù)據(jù)ABSTRACTABSTRACTSyntheticapertureradar（SAR）imageinformationmoreandmore,howtomak
8、ebetteruseofsyntheticapertureradarimagesprovidedinformationandnewtechnologytheory,torealizethesyntheticapertureradarimagefeatureextractionandaccuratepreciseinterpreta
