遥感技术的快速发展使得不同特性的多源遥感数据的获取更加快捷、方便。然而，当前的遥感数据获取技术和影像解译技术还不能完全满足遥感应用的需求。例如，光学传感器可以获取分辨率高、视觉特征明显的可见光影像，但是不能像合成孔径雷达(SAR)传感器那样全天时、全天候成像，在恶劣天气下的灾害应急处理中难以发挥作用，而SAR传感器成像又不如光学影像那样直观、易懂，其成像特殊性和解译复杂性也阻碍了SAR影像的应用。正如世界上不同国家地区的语言文化成为人们交流沟通的障碍一样，多源遥感数据的不同成像特性也阻碍了人们从中获取信息和进行某些应用。因此，借鉴语言翻译可以跨越语言文化障碍、促进人际交流和信息传递的思路，研究多源遥感影像的翻译技术，实现不同遥感数据之间的转换与信息传递，以满足不同人群的应用需求，不仅可以有效发挥遥感数据的价值，而且还可以提高遥感应用的水平。

遥感影像翻译是一项全新的研究课题，本文选用SAR影像与光学影像这两种特性不同的图像作为研究对象，对遥感影像翻译的相关理论和技术方法进行了探索。仿照语言翻译的模式，将遥感影像的翻译过程归纳为影像理解、目标转换和目标表达3个环节，并围绕理解、转换与表达这3个环节分别采用不同的算法进行了研究和试验，最终实现了两种不同分辨率的单波段、单极化SAR影像到光学影像的翻译。本文的主要工作可以概括为以下几点：

(1) 总结了语言翻译、遥感影像解译、图像融合、图像匹配、数据同化和遥感影像翻译的研究现状，指出遥感影像翻译目前在国内外研究较少，它是遥感影像处理与应用领域的一个新的研究方向，具有重要的研究价值和应用潜力。

(2) 在语言翻译的基础上，给出了遥感影像翻译的一种定义，并比较了图像翻译与图像解译、图像融合、图像变换和数据同化等相关概念的异同。分析了遥感影像翻译的可行性，探讨了多源遥感影像的翻译模式和翻译知识库的构建，提出了一套多源遥感影像翻译的流程。

(3) 比较了SAR影像与光学影像的成像特性差异；分析了现有各种SAR影像相干斑噪声抑制算法的优缺点，并提出了一种空间域滤波和频率域滤波融合的SAR影像去噪方法，改进了SAR影像的去噪效果。为了区分或识别SAR影像的不同地物，研究了图像的局域灰度统计特征、灰度共生矩阵(GLCM)纹理特征和多尺度、多方向Gabor滤波纹理特征、灰度与纹理组合特征等各种特征的提取方法。

(4) 在SAR影像分类方面，选择了适用于小样本且泛化能力强的支持向量机(SVM)分类算法，简要介绍了SVM的理论基础，并给出了SVM用于分类的核函数和相关参数的选择与寻优方法。针对基于单一特征的SVM算法往往存在分类精度不高、普适性不强的问题，研究了灰度与不同纹理特征融合的SVM分类方法，并通过SAR影像分类试验比较了7种基于不同特征的SVM分类算法的性能，验证了灰度与多种纹理特征融合的SVM分类方法较单一特征的分类算法效果要好，能够提高SAR影像分类精度。

(5) 在图像翻译的转换和表达环节，探索了两种不同的技术手段：一种是图像融合技术，为了融合SAR影像的结构特征与同一地区不同时相光学影像的光谱特征，分别研究了IHS变换融合法、小波变换融合法、IHS变换和小波变换结合的融合方法，并采用SAR影像与参考光学影像的融合试验比较了3种方法的融合效果；另一种是区域填充技术，在没有同一地区的参考光学影像情况下，通过翻译知识库(字典)提供的光学影像典型地物样本，采用种子填充算法和基于样本的纹理合成算法来填充SAR影像不同地物目标区域，使得SAR影像目标与光学影像同类地物具有相似的图像特征。采用不同方法得到的SAR影像翻译结果证实了这两种技术手段的可行性。

(6) 针对图像翻译研究涉及的影像去噪、特征提取、SVM分类、图像融合和纹理合成等各种算法，开发了一套遥感影像翻译原型系统。利用该系统分别进行了ENVISAT-ASAR影像、ALOS