题目：协同探测系统的SAR图像分类研究

协同探测系统是随着遥感技术的发展而发展起来的。协同探测系统中包含可见光和SAR两种传感器。随着新型成像雷达技术的发展，SAR遥感能够获取的目标信息越来越多，得到SAR图像后的一项重要工作就是进行图像解译，SAR图像分类是重要的解译过程。论文主要研究了复杂纹理下特定军事目标与其它地物的分类方法，其中包括基于灰度共生矩阵的分类方法及其改进算法、基于分形的分类方法。本文的工作主要体现在以下几方面：(1) 在研究SAR图像特性、典型军事目标特征的基础上分析了目标和其它地物的纹理特性。针对SAR图像的相干斑噪声研究了Lee和gammaMAP降斑算法。并通过灰度共生矩阵分类方法分析了降斑算法作为预处理对于分类效果的影响。(2)实现了较为经典的基于灰度共生矩阵的分类方法。分析了灰度共生矩阵计算参数的选择，并提取统计量作为特征，经过了特征选择后使用C-均值聚类算法进行了分类。对于这种传统的分类方法，论文分别从精度和速度上进行了改进。精度上的改进引入了局域标准差的概念，利用不同纹理特性的地物对应的局域标准差的差异，对地物进行了大致划分并选择不同的灰度共生矩阵计算参数，实现了自适应处理。对于速度上的改进，论文提出了Ostu分割和灰度共生矩阵联合分类的方法，对分割后图像进行纹理描述后进行分类，分类算法分别采用聚类和简单划分2种方法。经实验证明，越大的图像，这种方法的优势越明显。(3)在分析了自然物分形特性的基础上，利用分维数可以区分人造目标和自然物的理论，主要用2种方法实现了图像各像素分形特征的提取：分数布朗运动模型(fBm)法和差分盒子法(DBC)。依照这2种模型分别提取出分维数、拟合误差和分维数、空隙作为特征进行聚类分类。实验证明了分形方法在提取人造物方面的特殊作用。其中，fBm方法对原始SAR图像的二值化图像进行处理，得到的分类效果更好。(4) 比较了所实现和改进的方法针对大幅SAR图像的处理结果，并对各方法的分类结果目视效果、运行时间、适用性等方面做了分析，总结了每个方法的性能特点、优缺点和适用范围。