极化合成孔径雷达图像分类是遥感图像处理的关键。现有的高分辨极化合成孔径雷达图像分类方法存在多通道数据结构复杂、异质地物判别特征提取困难等问题。针对上述问题，本书构建了基于视觉认知驱动的一系列极化合成孔径雷达图像分类模型和方法。主要内容包括：构建新的边缘检测模型，有效检测异质地物内部结构和弱边界；建立极化合成孔径雷达图像视觉层次认知表征，实现极化合成孔径雷达图像复杂场景的语义划分；建立基于视觉层次语义模型和极化特性的极化合成孔径雷达图像地物分类方法；建立基于素描图和自适应马尔可夫随机场的极化合成孔径雷达图像分类算法，自适应学习同/异质地物判别特征和精确边界信息；本书探索了视觉认知和数据联合驱动的极化合成孔径雷达图像分类新模型和新方法，实现极化合成孔径雷达图像复杂场景的多地物精准分类，为极化合成孔径雷达图像解译和目标识别提供新思路。本书既可以作为高等院校计算机科学与技术、人工智能等专业的研究生教材，也可作为相关领域技术人员的参考用书。

前 言 极化合成孔径雷达（PolSAR）图像的地物分类是图像处理的主要任务，是图 像理解和解译的前提。相比于传统的合成孔径雷达（SAR）图像，极化 SAR 图 像含有更加丰富的地物信息，是多参数、多通道的成像雷达系统。然而，对于异 质结构区域，由于散射特性复杂，结构千差万别，对其分类存在很大的难度。尤 其是聚集地物，如城区、森林等，是由多个同类目标聚集形成的，这种区域内部 目标和地面散射变化差异大，形成强烈的亮暗变化，这些变化重复出现，形成了 聚集地物。如何将聚集地物分为语义上一致的区域，并保持边界细节是极化 SAR 地物分类的一个难点问题。目前，极化 SAR 分类方法的研究主要依靠极化散射 特性的分析和基于像素底层特征的提取，为了能够对图像进行更高层次的理解和 解译，高层语义信息的挖掘也是很有必要的，是进一步图像理解和解译的关键。 本书中，我们对极化 SAR 图像进行深入分析，不仅充分挖掘了极化 SAR 的 散射特性，还更进一步地从视觉认知角度构建视觉层次语义模型，提出一系列有 效的新模型和极化 SAR 地物分类方法。本书共 6 章，主要内容如下。 第 1 章，介绍了现有极化 SAR 图像的基本概念，极化 SAR 图像分类的国内 外发展现状，现有分类方法存在的主要问题和难点，以及本书提出方法的创新之 处。 第 2 章，提出了一种新的基于小波融合的极化 SAR 图像边缘检测方法。极化 CFAR 检测子能够有效地抑制斑点噪声，因为其考虑了斑点噪声的 Wishart 分布 模型。然而，它难以检测异质区域的边界细节，如城区内部的细道路等，这是因 为在异质区域中，滤波器内像素已难以满足相干斑一致性假设。为了克服这个缺 点，我们通过融合极化 CFAR 检测子和加强梯度检测子，提出了一种新的边缘检 测算法，该算法结合了极化 CFAR 和加强梯度检测子的优势，并抑制其缺点。使 用小波变换对这两种互补的检测子进行融合，并定义语义规则。另外，为了抑制 .ii .全极化合成孔径雷达图像处理模型及方法 梯度检测子的噪声影响，对梯度检测结果采用降斑策略。实验结果表明，提出的 算法能够有效地检测弱边界和异质区域的细节。 第 3 章，提出了极化视觉层次语义模型，将极化 SAR 图像划分为三种结构 类型区域。对于极化 SAR 图像分类，如何将聚集地物分为语义上一致的区域是 一个难题。为了解决这个难题，本书提出了一种视觉层次语义模型，该模型包括 初层和中层语义。初层语义是极化素描图，它是由素描线段构成，是极化 SAR 图 像的稀疏表示。中层语义是区域图，该图是通过挖掘素描图中素描线段的空间邻 域关系而得到的。该图将极化 SAR 图像划分为聚集、结构和匀质三种区域类型。 实验结果表明，提出的视觉层次语义模型能够很好地划分极化 SAR 图像的三种 结构类型区域。 第 4 章，提出了一种新的基于视觉层次语义模型和极化特性的极化 SAR 地 物分类方法。针对复杂的极化 SAR 场景，为了对不同类型的地物进行精确分类， 本书根据提出的视觉层次语义模型，将区域图映射到极化 SAR 图像上，并将极化 SAR 图像划分为聚集、结构和匀质三种区域类型。然后，用均值漂移对图像进行 初分割，对不同的区域类型，根据其特点设计不同的区域合并策略，得到语义分 割结果。另外，进一步构建语义——极化分类器，将语义分割和基于散射特性的 分类结果进行融合，得到更优的分类结果。通过对不同波段、不同传感器得到的 真实数据进行测试，验证了提出的算法能够获得语义上一致的区域和边界细节。 第 5 章，提出了一种无监督的基于素描图和自适应马尔可夫随机场（Markov Random Field，MRF）的极化 SAR 图像分类算法。MRF 模型是极化 SAR 图像 分类的一种有效工具。然而，在传统的 MRF 方法中，由于缺乏合适的上下文信 息，分类结果的边界保持和区域一致性一直是矛盾的。为了既保持边界细节，又 获得一致的区域，本书基于极化素描图，提出了一种自适应的 MRF 框架。极化 素描图能够提供详细的边界位置和方向，这些信息能够有效地指导边界邻域结构 的选择。具体地，极化素描图能够将极化 SAR 图像划分为结构区域和非结构区 域，然后对不同的区域进行自适应邻域学习。对于结构区域，构建几何结构块对 图像细节进行保持。对于非结构区域，设计最大一致区域来提高区域一致性。通 过对仿真和真实数据的实验表明，提出的算法既能够获得好的区域一致性，又能 前 言 .iii · 够得到细节边界。 第 6 章，提出了基于深度学习和视觉层次语义模型的极化 SAR 图像分类方 法。针对复杂场景的极化合成孔径雷达图像，堆叠自编码模型能够自动学习图像 结构特性，有效表示城区、森林等复杂地物的结构，然而，对图像边界和细节却难 以保持。为了克服该缺点，本书结合深度自编码器和极化视觉层次语义模型，提 出了新的无监督的极化 SAR 图像分类算法。该方法根据极化视觉层次语义模型， 将复杂的极化 SAR 图像划分为聚集、匀质和结构三大区域。对于聚集区域，采 用堆叠自编码模型进行高层特征表示，并构造字典得到稀疏特征进行分类；对于 匀质区域，采用层次模型进行分类；对于结构区域，进行线目标保留和边界定位。 实验结果表明，该算法通过不同的分类策略优势互补, 能够得到区域一致性好且 边界保持的分类结果。 本书具有如下特点。 （1）体系完整，内容先进，符合研究生学习要求，适合对遥感图像处理感兴 趣的学者研究参考。 （2）研究内容新颖，提出了一系列新的极化 SAR 图像处理的模型和方法。 （3）从视觉计算的角度对遥感图像进行分析，是视觉认知驱动的遥感图像处 理方法。 （4）为读者提供了新的思路和框架，是经典分类模型和方法的延伸和拓展。 本书由石俊飞主编，所有章节由石俊飞编写，金海燕负责校稿，王安祥负责 整理参考文献。 编 者 2021 年 8 月

目 录 前言 符号对照表 缩略语对照表 第 1 章 极化 SAR 图像分类概述 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1 1.1 引言. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1 1.2 极化 SAR 图像数据. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .3 1.2.1 极化 SAR 数据表示 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3 1.2.2 极化 SAR 数据的统计分布 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5 1.3 极化 SAR 图像分类算法研究现状和挑战 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9 1.3.1 极化 SAR 图像分类算法研究现状 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9 1.3.2 极化 SAR 图像分类的难点和挑战 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13 1.3.3 视觉认知模型发展现状 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14 1.4 视觉计算理论和初始素描模型. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15 1.4.1 Marr 视觉计算理论 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16 1.4.2 初始素描模型 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17 1.5 深度学习模型. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .18 1.5.1 卷积神经网络 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18 1.5.2 深度置信网络 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19 1.5.3 深度自编码 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19 1.6 本书的贡献和内容安排. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .20 第 2 章 极化 SAR 图像边缘检测算法 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23 2.1 引言. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23 2.2 极化 CFAR 检测算法. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24 .x .全极化合成孔径雷达图像处理模型及方法 2.2.1 极化 CFAR 检测算法的基本概念 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24 2.2.2 极化 CFAR 检测算的缺点. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26 2.3 融合极化机理和梯度学习的极化 SAR 边缘检测算法. . . . . . . . . . . . . . . .27 2.3.1 基于 SPAN 图的加权梯度边缘检测 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28 2.3.2 基于语义规则的小波融合. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .29 2.4 实验结果和分析 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31 2.4.1 实验设置 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31 2.4.2 L 波段旧金山地区实验结果和分析 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31 2.4.3 C 波段极化 SAR 图像实验结果和分析 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33 2.5 本章小结 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35 第 3 章 极化 SAR 图像的视觉层次语义模型 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36 3.1 引言. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36 3.2 极化 SAR 图像的视觉层次语义模型与框架. . . . . . . . . . . . . . . . . . . . . . . . . 38 3.2.1 视觉层次语义模型构建动机. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .38 3.2.2 视觉层次语义模型数学表示. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .41 3.2.3 视觉层次语义模型的框架. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .43 3.3 初层语义：极化 SAR 素描图的构建算法 . . . . . . . . . . . . . . . . . . . . . . . . . . . 44 3.3.1 极化边线检测算法 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44 3.3.2 素描线的选择 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47 3.4 中层语义：区域图构建算法 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50 3.4.1 基于图规则和素描线段局部统计特性的素描线段分组 . . . . . . . . . . . . . . . . . 50 3.4.2 聚集区域提取 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54 3.4.3 结构区域提取 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57 3.5 实验结果和分析 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58 3.5.1 多组极化 SAR 图像验证模型有效性 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58 3.5.2 参数分析 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59 3.6 本章小结 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62 目 录 .xi .第 4 章 基于层次语义模型和极化特性的极化 SAR 地物分类. . . . . . . . . . . . . . .63 4.1 引言. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63 4.2 算法框架 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64 4.3 语义分割算法. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .65 4.3.1 初始分割 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65 4.3.2 聚集区域分割算法 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66 4.3.3 结构区域分割算法 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66 4.3.4 层次分割算法 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67 4.4 语义–极化分类算法 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69 4.4.1 H/α-Wishart 分类 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70 4.4.2 融合语义分割和极化机理的分类策略. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70 4.5 实验结果和分析 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71 4.5.1 实验数据和设置 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71 4.5.2 合成极化 SAR 图像的实验结果和分析 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72 4.5.3 E-SAR 卫星 L 波段极化 SAR 图像实验结果和分析 . . . . . . . . . . . . . . . . . . 74 4.5.4 AIRSAR 卫星 L 波段极化 SAR 图像实验结果和分析. . . . . . . . . . . . . . . . . 76 4.5.5 CONVAIR 卫星极化 SAR 图像实验结果和分析 . . . . . . . . . . . . . . . . . . . . . 78 4.5.6 RadarSAT-2 卫星 C 波段极化 SAR 图像实验结果和分析 . . . . . . . . . . . . . 78 4.5.7 参数分析 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80 4.6 本章小结 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83 第 5 章 基于极化素描图和自适应邻域 MRF 的极化 SAR 地物分类. . . . . . . 84 5.1 引言. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84 5.2 极化素描图 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 86 5.3 基于极化素描图和自适应邻域 MRF 的极化 SAR 地物分类算法 . . . . 88 5.3.1 极化 SAR 数据分布 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 88 5.3.2 基于素描图的自适应 MRF 模型. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 91 5.3.3 算法描述 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 97 5.4 实验结果和分析 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98 .xii .全极化合成孔径雷达图像处理模型及方法 5.4.1 实验设置 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98 5.4.2 仿真数据的实验结果和分析. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .99 5.4.3 CONVAIR 卫星 Ottawa 地区极化 SAR 图像实验结果和分析 . . . . . . . . 102 5.4.4 E-SAR 卫星 L 波段极化 SAR 图像实验结果和分析 . . . . . . . . . . . . . . . . . 105 5.5 本章小结 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 105 第 6 章 基于深度学习和层次语义模型的极化 SAR 地物分类 . . . . . . . . . . . . . 107 6.1 引言. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .107 6.2 深度自编码模型 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 109 6.3 极化层次语义模型 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 110 6.4 DL-HSM 算法. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 111 6.4.1 聚集区域的深度自编码模型 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 112 6.4.2 结构区域边界定位 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 115 6.4.3 匀质区域的层次分割和分类 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 116 6.5 实验结果和分析 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 117 6.5.1 实验数据和设置 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 117 6.5.2 合成图像实验结果和分析 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 119 6.5.3 AIRSA 卫星 L 波段极化 SAR 图像实验结果和分析 . . . . . . . . . . . . . . . . . 120 6.5.4 CONVAIR 卫星极化 SAR 图像实验结果和分析 . . . . . . . . . . . . . . . . . . . . 122 6.5.5 RadarSAT-2 卫星 C 波段极化 SAR 图像实验结果和分析 . . . . . . . . . . . . 123 6.5.6 参数分析 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 124 6.6 本章小结 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 125 参考文献. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 126