● 摘要
合成孔径雷达图像是一种重要的主动微波遥感图像，在军事国防、防灾减灾、国民经济中具有重要应用价值。随着合成孔径雷达系统技术的逐渐成熟，获取的合成孔径雷达图像种类和数量飞速增长，对解译时效性的要求也越来越高，传统的目视解译已逐渐不能满足应用需求，迫切需要计算机自动解译、智能解译技术。因此，本文对合成孔径雷达图像的智能解译技术进行了研究。 本文首先研究了合成孔径雷达图像的特征，梳理和总结了合成孔径雷达图像的成像原理、生产流程、独有特性及典型地物在合成孔径雷达图像上的特征。在此基础上，先研究了合成孔径雷达图像自动解译的基础技术图像分割技术，主要研究了分割性能优越的基于活动轮廓模型的图像分割方法。然后，以图像分割技术为基础，研究了如何将机器学习、以及新兴的信息融合与图像理解相关理论与方法的研究成果应用于合成孔径雷达图像解译，解决合成孔径雷达图像快速解译、自动解译和智能解译的主要问题。 本文研究所取得的主要研究成果和创新包括： 1．改进了基于活动轮廓模型的SAR图像分割方法，给出了一种无需先验信息的水平集SAR图像分割方法。该方法是一种基于区域信息的统计活动轮廓模型方法，分割结果简单不破碎，边界定位准确，并且整个分割过程几乎无需人为干预（如确定先验模型，参数调整等），具有很强实用性。 2．改进并给出了基于活动轮廓模型的不规则区域图像分割方法。在此基础上，面向SAR图像分割的实际应用，实现了高效的大尺寸图像分割方法和准确的多类图像分割方法。 3．提出了融合GIS信息的SAR图像山区河道快速提取实现方法。针对2008年汶川地震后灾区河道及堰塞湖监测的问题，在山区信息源非常有限的情况下，通过融合容易获得的河流矢量地图，成功克服了山体等阴影对河道提取的影响，实现了准确快速的河道提取。 4．提出了一种支持向量机与Boosting相结合的特征增量学习方法。有效解决了训练样本中增加新的特征时的增量学习问题，充分利用了已有学习成果，避免了重新学习，降低了学习花费。 5．提出了基于机器学习的合成孔径雷达图像智能解译方法。建立了合成孔径雷达图像智能解译的框架，实现了合成孔径雷达图像的区域自动描述。这种智能解译方法具有增量学习能力，解译的准确率可随解译工作的进行不断提高，具有一定智能。 对合成孔径雷达图像智能解译技术的研究还处于探索阶段，论文在智能解译的关键技术上取得了一些研究成果，并且初步实现了合成孔径雷达图像的区域自动描述。然而，实现高效可靠、适用广泛、完全自动的合成孔径雷达图像智能解译系统，还有很长的路要走，还有许多问题有待进一步研究和解决。