SAR图像预处理

SAR图像预处理在给定的一个场景中,通常既包括感兴趣的目标,又包括背景杂波,如果对数据库中初始图像直接进行特征提取和分类,背景杂波必将会影响识别的品质及性能.因此需要对其进行预处理,将目标从杂波背景中分割出来,以减弱背景杂波对识别性能的影响.此外,SAR图像中往往包含有较强的相干斑,需要进行适当处理以降低其对识别性能的影响.自适应阈值分割形态学滤波和几何聚类处理图像增强和归一化处理图像预处理主要包括:图像对比度增强和图像滤波平滑。图像对比度增强一般采用线性增强、直方图均衡化、直方图正态化等方法;图像滤波平滑是指选择滤波函数,并与图像进行卷积运算提高图像的反差、消除图像的相干斑噪声。SAR图像的数据量很大,为了有效地实现分类识别,就要对原始数据进行变换,得到最能反映分类本质的特征,这就是特征提取和选择。分类决策就是在特征空间中用统计方法把被识别对象归为某一类别。基本作法是在样本训练集基础上确定某个判决规则,使按这种判决规则对被识别对象进行分类所造成的错误识别率最小或引起的损失最小。图像预处理对输入的地物图像进行预处理是SAR图像地物分类系统中一个重要的环节，目的是改善图像质量，统一图像的灰度值及尺寸，为后序的特征提取和分类识别打好基础。一般情况下地物图像处于复杂背景中，预处理时要先进行图像检测，从复杂背景中检测出物体类别。1、图片灰度化：彩色图像包含着大量的颜色信息，存储上开销很大，处理上也会降低系统的执行速度，而灰度图像只有强度信息没有颜色信息，因此彩色图像常转换为灰度图像，加快处理。2、边缘检测：物体的边缘呈现灰度的不连续性，图像分类就是基于这个原理；