基于深度学习的SAR图像去噪与分割算法的研究

作     者：周一曈 

作者单位：哈尔滨工程大学 

学位级别：硕士

导师姓名：李一兵;沈红宇

授予年度：2020年

学科分类：080904[工学-电磁场与微波技术] 12[管理学] 0809[工学-电子科学与技术（可授工学、理学学位）] 08[工学] 0810[工学-信息与通信工程] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 081105[工学-导航、制导与控制] 081001[工学-通信与信息系统] 0835[工学-软件工程] 081002[工学-信号与信息处理] 0825[工学-航空宇航科学与技术] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

主      题：SAR图像 图像降噪 图像分割 深度学习 卷积神经网络 

摘      要：微波遥感技术作为一种远程对地观测技术,在气象观察、海洋检测、灾害预防等与国家发展息息相关的诸多领域发挥着重要的作用。合成孔径雷达作为微波遥感中常用的一种高分辨率远程成像传感器,有着独特的对地遥感观测优势,自问世以来就得到了广泛的应用。但是,由于SAR成像系统固有性质以及观测目标的复杂性,SAR图像相比光学图像,因为相干斑噪声、成像阴影、透视收缩现象等因素的影响,无法直接进行可视化显示,因此如何对SAR图像中的信息进行有效的提取处理成为一个亟待解决的问题。近几十年来,虽然有一些SAR图像处理算法被提出,但是大多依赖手动设计的特征,准确性和鲁棒性都存在一定问题。随着GPU等设备计算性能的提高以及海量的媒体数据积累,以卷积神经网络为代表的深度学习算法在计算机视觉的各个领域取得了巨大的成功,这也为SAR图像处理算法的研究提供了新的方向。为此,本文提出了基于深度学习的SAR图像降噪与分割算法。论文的主要研究内容与工作成果如下:1、提出了一种基于变换域深度残差学习的SAR图像降噪方法:首先探讨了SAR斑点噪声成像原理与数学表示模型;然后提出了一种SAR图像降噪网络,该网络遵循残差学习的思想,学习变换域中输入SAR图像噪声水平与真实噪声水平之间的差异;最后,将此模型应用于合成图像与实际SAR图像的去噪,并给出了测试的主观视觉与客观指标结果。2、提出了一种基于多尺度特征融合的SAR图像分割方法:首先分析了卷积神经网络中融合多尺度上下文特征的主要方式;在此基础上,给出了模型的网络结果,网络分为编码器、解码器、多尺度特征融合模块三个主要部分;并针对SAR图像数据中道路目标分割进行了实验,验证了所提算法的有效性。实验结果表明,本文所提出的基于深度学习的SAR图像降噪与分析算法,能有效降低SAR图像的斑点噪声,提高图像的主观效果与客观质量;在SAR图像道路目标分割中,也达到了较好的效果。该算法基于大量数据训练,能够捕捉图像深层次结构信息和语义特征,鲁棒性和准确性都较好,具有一定的研究和工程应用价值。