内容简介
合成孔径雷达（SAR）具有全天时、全天候的高分辨成像能力，在国民经济和国防建设中有着非常重要的应用。但是，SAR成像的特点决定了SAR图像几何失真较大且含有大量被称为相干斑的乘性噪声，这使得传统的图像处理技术很难应用。基于此，本书基于SAR图像处理方面的研究工作和该领域一些专家的相关工作，介绍了SAR图像相干斑噪声抑制、SAR图像边缘提取、SAR图像分割分类、SAR图像目标识别、极化SAR图像处理与并行SAR图像处理等一些SAR图像处理关键方法技术。 SAR图像相干斑噪声的存在使SAR图像的解译工作变得相当复杂，因此研究SAR图像的信号和噪声分布特性对于SAR图像的各项处理工作显得格外重要。用小波分析的方法研究了SAR图像信号和噪声在频域中的分布特性，并在SAR图像滤波中得以验证。 基于以上SAR图像相干斑噪声的分布特性的研究，并分析现有的图像空间滤波算法，研究提出了一种相干斑滤除方法——基于小波变换的SAR图像噪声滤波方法。将该方法用于SAR图像去噪取得了较好的效果。 在含噪SAR图像边缘提取方面，提出了3种方法：①基于小波变换的SAR图像边缘提取。首先用基于结构信息的统计滤波方法对SAR图像进行滤波，然后根据小波变换具有多分辨分析的特性，并结合模糊中值滤波、阈值化处理及微分梯度算子对SAR图像进行边缘提取。②基于分形的SAR图像边缘提取。首先用小波变换方法对SAR图像进行滤波，然后依据所计算的基于区域自选的多尺度分形维数进行边缘检测。③基于支撑矢量机（SVM）的SAR图像边缘提取。利用含噪SAR图像中边缘点与非边缘点在邻域一致性、方向性和结构性的不同，运用一个三维特征向量描述边缘点，并采用SVM方法实现对边缘点的提取。实验结果表明，对于SAR图像来说，本书中所提出的边缘检测方法优于Robert算子、Sobel算子、Canny算子等传统边缘检测算子。本书同时对所提出的方法从算法性能、效率方面进行了分析比较，并给出了各自的适用范围。 在SAR图像分割分类方面，提出了6种方法：①基于瑞利（Rayleigh）分布和模糊技术的SAR图像分割方法。该方法基于SAR图像灰度级分布模型，并结合像素灰度和区域信息，提取目标灰度隶属度信息作为特征，然后通过无监督聚类方法对SAR图像进行分割。②基于小波变换的SAR图像分割方法。在该方法中，用于SAR图像分割的特征向量由图像小波纹理特征和滤波后的灰度组成。③基于分形特征的S...
