结合形态学理论与Hough变换的SAR图像线目标检测方法

针对典型线状军事目标,提出一种SAR图像的目标检测方法。该方法首先将分块阈值分割的思想应用于未经斑点噪声抑制的原始SAR图像,得到ROI(Region of Interest)图像;然后,利用区域的几何特征有效地剔除大量虚警,并采用形态学梯度算子提取目标的边缘信息,与传统的Canny边缘检测相比,边缘轮廓更加连贯;最后,利用Hough变换对梯度图像进行直线检测,得到机场跑道的边缘。该方法对原始SAR图像采用传统的图像处理技术进行目标检测,因此,比基于SAR图像统计特性的目标检测方法简单易行。对真实SAR图像的实验结果验证了该方法的有效性。     

基于U形结构提取的港口目标检测研究

遥感图像中港口目标的检测是目标识别研究的重要方面,准确、高效地自动提取港口目标对于提高遥感图像自动解译能力具有重大意义。文章提出一种基于U形结构单元提取的遥感图像港口目标检测的方法。首先利用梯度算子和灰度相似性聚类分割海洋和陆地区域并提取粗略海岸线,再根据内港区域的封闭特性提取疑似区域,在分析内港区域结构的基础上,引入U形结构元的概念以及提取算法来对疑似区域进行确认。试验表明,该方法检测的港口目标准确率较高,速度较快,能够满足民用和军事识别的需求。     

高分辨率SAR图像分割及目标特征提取

提出了一种非监督SAR图像快速分割算法,对分割得到的目标区域进行特征提取.分割方法利用固体热扩散模型与图像尺度空间的等价性,在SAR图像初始分割的基础上,引入最大后验概率矩阵的各向异性多尺度平滑,在保持图像结构信息的同时滤除斑点噪声对于分割的影响.然后提取目标区域6个特征以详细描述目标,实验结果表明：该方法计算速度快,能够从获得的目标区域得到大量有用的信息.     

对偶空间上的高分辨率遥感影像道路提取

道路目标的提取是遥感领域的重要研究内容。针对背景复杂的高分辨率遥感影像，论文提出一种在对偶卒间榆测道路目标的算法。该算法包含以下步骤：通过投影变换，分别将直线的灰度级标准差及其边缘梯度矢量均值映射到直线方程的对偶空间；在对偶卒间上，根据直线的标准差和边缘梯度矢量的峰谷分布规律检测道路目标；根据已检测的目标位置，用搜索和跟踪的手段提取连接道路网。实验结果表明，本方法能够很好的提取各种明暗度及一定曲度的道路目标。     

基于集成活动轮廓模型的SAR图像分割方法

图像分割是合成孔径雷达(Synthetic Aperture Radar, SAR)图像自动解译技术中的一个重要问题。基于活动轮廓的思想,给出了一种适应于SAR图像分割的集成活动轮廓模型。该模型综合利用SAR图像的边缘和区域特性,通过检测算子提取SAR图像的边缘信息,利用似然函数的最大化提取图像中不同统计信息的区域;通过边缘和区域的共同曲线运动实现对SAR图像的分割。利用加性算子分裂算法,给出了该模型的快速实现方法。通过MSTAR和实测星载SAR数据进行试验验证,并与其他算法比较,结果表明：所提方法适应性强,可适应复杂背景的SAR图像分割,并且分割定位准确、收敛速度较快;所提实现算法稳健,能适应不同参数设置,且对初始条件不敏感。〖JP〗     

舰船ISAR图像特征提取方法研究

采用ISAR雷达可获取高分辨率舰船目标图像数据。为达到对海面舰船目标的预警监视,需对ISAR图像进行特征参数提取,获得舰船目标信息。采用线性灰度变换图像增强、迭代图像分割与像素聚类,获得目标感兴趣区域,然后通过对感兴趣区域进行特征参数提取获取目标特征信息。仿真实验验证了算法的有效性。     

一种遥感图像建筑物检测新方法

遥感图像中的建筑物检测对于土地规划和地图绘制等具有重要意义。文章针对高分辨率全色遥感图像植被覆盖中隐蔽建筑物检测问题,提出了一种结合屋顶结构信息和纹理信息的快速房屋检测方法。首先利用屋顶边缘的几何关系寻找具有矩形屋顶的建筑物;然后使用形态学方法提取屋顶较亮的建筑物;最后利用局部二值模式（Local Binary Pattern,LBP）描述屋顶的纹理特征,并利用支持向量机（Support Vector Machine,SVM）排除误检区域。通过在全色遥感图像集上的试验证明,所提方法对高分辨率遥感图像植被覆盖区域中的建筑物目标具有较高检测率和较低误检率。     

基于边缘特征的相位相关简化方法在空间目标运动估值中的应用

提出利用基于图像边缘特征的相位相关简化方法来进行空间目标平移运动的检测。为了能有效抑制噪声和亮度变化的影响，在传统互相关方法的基础上提出一种先提取目标的边缘特征，再利用傅里叶平移特性进行归一化相位相关处理的检测方法，从而实现两幅相似图像间的相对平移矢量的准确估计，它较比时域方法和基于灰度信息的互相关方法能获得更准确的检测结果和更强的噪声抑制能力。同时，为满足系统实时性的要求，还采用了将二维图像映射为一维信号的简化方法，将程序执行时间缩短了4倍。仿真实验结果显示，利用边缘特征的简化方法对于受到严重噪声干扰的空间运动目标具有很好的检测结果，进一步证明了算法的有效性和实用性。     

多视角多尺度陨石坑特征检测识别方法

针对序列图像间视角尺度变化大带来的特征无法检测和识别效率低等问题，提出了多视角多尺度陨石坑特征检测识别方法。基于明暗区域信息和形态学处理实现陨石坑图像特征边缘粗提取，利用快速傅里叶变换计算模板与图像特征的匹配度，从而实现图像特征所在区域粗定位。在此基础上，通过引入惯性测量信息计算图像间重叠面积，更新模板形状，并预测搜索区域，解决了序列图像间视角尺度变换及信息冗余带来的特征无法检测和识别效率低的困难，最终在单一陨石坑区域内实现其精细检测。     

基于过渡区的序列图像运动目标分割方法

序列图像运动目标检测技术是目标搜索与跟踪系统的一项核心技术.提出了一种基于过渡区的序列图像运动目标分割方法,该方法通过提取序列图像过渡区来进行目标分割,并与传统的阈值分割算法进行效果比较.实验结果表明,该方法能取得更好的序列图像运动目标分割效果.     

基于空间分割的影像条带噪声去除方法

光学遥感卫星影像中包含系统条带噪声和随机条带噪声,由于多种因素的干扰,即使进行系统条带噪声去除后,仍残留部分随机条带噪声。文章通过分析现有卫星遥感影像中的随机条带噪声特性,基于常规的随机条带噪声去除方法,提出一种新的基于空间分割的条带噪声去除算法。该方法以影像的均值、中值以及梯度值构建判定准则,将影像分为动态范围变化较小的多个区域,同时将地物边缘单独提取出来予以保留;然后采用标准矩匹配的方法对单独区域进行处理,在剔除噪声的同时抑制灰度畸变的产生;最后采用中巴地球资源卫星04星（CBERS-04）数据作为试验对象进行了随机噪声去除试验,试验结果表明新方法在去除随机条带噪声的同时很好的保持了原始影像的纹理信息。     

基于互信息相似性度量的多时相遥感图像配准

图像配准是多源图像分析的基础，特别是对于多时相遥感图像的变化检测，图像配准的性能直接影响到变化检测的实现。针对当前利用互信息实现图像配准时出现的稳健性问题，本文提出一种新的多时相遥感图像配准方法，在计算互信息时引入图像的梯度信息，作为多时相遥感图像配准的相似性度量准则，并在配准过程中应用多分辨率分析技术，使得图像配准在提高稳健性的同时减少运算量。将此方法用于变化检测中的多时相遥感图像配准实验，结果显示该方法比直接应用灰度互信息的配准方法具有更好的稳健性。     

控制点/控制点对最优能量解析的图像配准

 针对遥感图像配准中匹配同名点少、配准精度低等问题,提出了一种基于控制点/控制点对最优能量解析的图像配准方法。在控制点提取中,通过多尺度曲波变换,实现不同尺度下图像质量的灰关联分析和噪声抑制,并根据灰关联能量值,自动调整尺度不变特征变换配准参数,提高匹配同名点数量;为保证控制点选择的均匀性和准确性,创建了控制点对能量模型,采用马尔科夫蒙特卡洛优化算法实现分布、匹配能量最优的控制点筛选,提高了图像配准精度。实验结果表明,本方法对遥感图像匹配同名点少、控制点分布不均匀、图像配准精度低等问题有很大改善,具有较高的应用价值。     

基于Zernike矩的高精度太阳图像质心提取算法

在基于太阳观测的月球车天文导航系统中,针对太阳传感器中图像噪声以及典型图像退化的不良影响,提出了一种基于Zernike矩的高精度太阳质心提取算法。采用Sobel算子进行边缘检测,Zernike矩重定位亚像素边缘,用最小二乘法拟合圆心。而当图像存在退化时,进行有效圆边缘点检测后,再用该法提取质心。从理论上分析了Zernike矩亚像素边缘检测对圆拟合法的改进作用。利用仿真图像和地表实验图像,将本文方法与传统的重心法、带阈值的重心法和圆拟合法进行了比较。结果表明,本文方法精度更高,具有更好的稳定性,可以对月球车天文导航精度的提高起良好作用。     

“实践九号”A卫星图像的直接解调成像方法

“实践九号”（SJ-9）卫星是中国新技术试验卫星系列规划中的首发星,其中A星搭载的光学成像有效载荷技术试验项目为高分辨率多光谱相机,其图像数据将应用于国土资源调查与监测、农林业、环境保护、防灾减灾等领域,满足用户对高分辨率数据的需求。目前,遥感数据地面处理主要使用美国学者提出的调制传递函数补偿方法,而该文使用了中国科学家自主提出的直接解调成像方法处理“实践九号”A卫星全色谱段的遥感图像。通过分析处理前后的敦煌靶标和法国靶标的调制传递函数（Modulation Transfer Function,MTF）和点扩散函数,认为经直接解调成像方法处理后的图像清晰度和MTF有明显提高,达到了国际上同类遥感图像处理方法的先进水平。     

一种新的无人机监控图像实时目标识别算法

提出一种新的无人机监控图像实时目标识别算法。首先将获取的无人机监控图像应用自适应阈值分割将其转换为二值图像。对二值图像进行形态学处理,定位潜在目标出现的位置。最后对潜在目标区域再次应用局部自适应阈值分割获取目标,同时给出每个目标的图像坐标位置。飞行试验表明该算法保证实时性的情况下,有较高的识别正确率。     

基于多结构元素的遥感图像去噪及边缘检测方法

边缘检测是遥感图像处理的一个重要方面。利用数学形态学原理，提出了一种基于多结构元素的遥感图像边缘检测方法。首先采用基于视觉模型的边缘阈值得到灰度突变像素点，然后利用几种具有代表性的结构元素对这些像素点进行形态学腐蚀操作以区分真实像点和噪声点，将噪声点去除并通过伪中值滤波填补像素值，最后得到图像边缘。实验结果表明，该算法能够在保持图像边缘细节的前提下，很好地滤除图像中的孤立噪声点，在检测精度和抗噪声性能方面都优于传统的形态学算法。     

噪声图象的快速边缘提取与分割

噪声图象的快速边缘提取和分割是实时图象处理中的重要问题。本文提出了一种噪声图象快速边缘提取和分割算法。实验表明,这种方法具有很强的噪声抑制能力,且快速准确。     

用局部灰度极值方法进行多光谱图像配准算法研究

针对多光谱遥感图像,提出了一种基于局部灰度极值的配准方法:通过在基准图像和待配准图像中同步寻找含有灰度极值的小区域,再用多项式对极值区域进行曲面拟合,最后,分别计算小区域的极值点作为特征点对进行配准。并用真实和模拟多光谱图像进行了试验,结果显示本课题提出的方法具有算法简单和配准精度高的特点。