SAR图像分割的Bootstrap广义多分辨似然比检验方法

提出广义多分辨似然比（generalized multiresolution likelihood ratio，简称GMLR）的概念，给出其Bayes准则下的假设检验和判别准则。GMLR能融合待判别信号的多个特征量，增大不同信号的区分度，所以能更精确地对信号进行判别分析。在SAR（synthetic aperture radar）图像分割的应用背景中，首先用弃除图像冗余信息，减小计算量的Bootstrap样本得到GMLR的原假设和备择假设参数的极大似然估计，然后检测GMLR的分割阈值，最后对森林和草地组成的模拟图像和真实SAR图像分割，证明该方法是SAR图像分割的一个有效途径。     

一种SAR图像特征增强新方法

军事目标的SAR图像特征在合成孔径雷达目标识别(SAR ATR)中扮演着重要的角色。提出了一种在多小波域中用维纳滤波重构进行SAR目标图像特征增强的新方法,并在此基础上进行了目标图像分割。实验结果表明,该方法能够有效增强SAR图像中的目标区域特征,增大目标和背景杂波之间的统计可分离度,有利于目标图像的精确分割和特征提取。     

一种基于多模分布的SAR图像分割算法

SAR图像目标、背景、阴影的不同散射机理使得这三部分具有不同的统计特性.分析SAR图像三部分统计性质分别建立统计模型,并给出了一种基于这三种模型组合的多模分布的SAR图像分割算法,对于目标分割和阴影分割分别采用不同的预处理方法,分别提出了快速Otsu分割算法分割目标和基于背景均值保留的冲击滤波算法分割阴影.分割结果表明,这种基于多模分布的SAR图像分割算法与传统的基于单模分割算法相比,能最佳地利用各部分统计特性的差异,得到准确的分割结果.     

基于CS的SAR图像自动目标分割算法

图像目标分割是SAR图像目标超分辨处理和自动目标识别的重要步骤。针对图像固有的稀疏结构,提出了一种SAR图像自动目标分割算法。通过构造变换字典将SAR图像数据投影到高维空间,实现了图像局部特征的稀疏表示,然后利用随机矩阵获得稀疏域局部特征的压缩采样,并对多组采样数据运用Mean-shift 算法并行处理,最后通过符号检验法,实现了对目标像素与背景像素的分类。试验表明,该算法对硬目标具有较好的目标分割性能。     

一种新的基于特征融合的图像分割方法

采用传统的灰度共生矩阵来提取出具有旋转不变性的纹理特征,并且利用等权值的融合规则,融合了第二代小波即提升小波在频域上提取的纹理特征,最后采用模糊c均值聚类对图像分割。经过对实验结果的分析,发现新的方法结合了这两种传统方法的优点,得到了相对于两种方法分别应用于图像分割时更好的结果。     

特征选择的全极化SAR影像面向对象土地覆盖分类

全极化SAR数据信息丰富,仅利用单一的极化特征和基于像元的分类很难得到较好的分类效果。因此,提出了全极化数据特征优选结合面向对象方法进行土地覆盖分类。以云南西双版纳州勐腊县和普洱市思茅区的Terra SAR-X的X波段全极化雷达数据为信息源,首先对全极化SAR数据进行预处理,提取研究区Pauli RGB图像后,利用影像分割技术对Pauli RGB图像进行分割,作为分类的基本单元;然后对SAR影像提取极化分解特征和Span影像的纹理特征,选取最优特征集合;最后利用面向对象模糊分类方法进行土地覆盖分类,并采用实地调查数据对分类结果进行了精度评价。试验结果表明,面向对象方法可以很好地去除噪声的影响,最优组合的特征波段使得分类结果更加精确。西双版纳州勐腊县总体分类精度达到88.5%,普洱市思茅区总体分类精度达到86.8%,较之H/A/α-Wishart分类方法精度提高了40%以上。     

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〗     

基于改进扩展分形特征的SAR图像目标检测方法

提出了一种新的纹理特征-改进扩展分形特征用于SAR图像目标检测.改进扩展分形特征通过度量SAR图像中物体表面四个方向的结构函数在双尺度上的增量水平,确定目标与杂波在特征空间的不同响应特性,实现目标的检测.采用模拟目标脉冲模型分析了改进扩展分形特征在不同信噪比条件下对不同尺寸目标的响应特性,分析结果表明改进扩展分形特征具有目标尺寸敏感性.利用SAR实测数据验证了改进扩展分形特征在强杂波和多目标环境下的优良检测性能与空间分辨率特性.     

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.     

一种基于多普勒谱AR建模的SAR图像纹斑噪声抑制技术

基于合成孔径雷达(SAR)成像与自回归(AR)模型的特点,提出了一种SAR图像纹斑噪声抑制技术.将SAR复值图像的多普勒谱表示成一定阶数的AR模型,根据合适的AR模型系数估算SAR强度或幅值图像可保持较高的分辨率.给出了方法的模型和步骤.实验结果表明:所获幅值图像的纹癍噪声抑制,以及边缘和纹理特征等细节保持都优于常用的基于SAR图像多普勒谱的纹斑噪声抑制--多视处理技术.     

基于边缘信息的SAR与可见光景像匹配算法

SAR(合成孔径雷达 )与可见光图像由于成像机理的不同 ,直接进行基于图像灰度信息的匹配定位很难达到实际应用的要求。边缘是图像最基本的特征之一 ,文中提出一种基于边缘信息的 SAR与可见光景象匹配算法。该算法针对 SAR与可见光图像的特点 ,利用小波变换结合模糊中值加权滤波 ,取得有效的边缘信息 ,利用图像的边缘特征结合相关峰值特性分析的后处理方法进行匹配 ,并采用多分辨率分级搜索技术减少计算量。实验证明本算法匹配精度高 ,稳定性好     

基于纹理的活动轮廓三维图像分割研究

对具高噪声和低对比度三维图像的识别和分割算法进行了研究。基于活动轮廓模型,用Gabor变换提取图像的纹理特征,根据统计学信息假设,通过偏微分方程水平集和窄带方法求解,获得较基本活动轮廓的算法分割更光滑精确的物体轮廓。实验结果表明:改进模型算法的效率和准确度达到预期效果。     

高分辨率SAR图像相干斑噪声抑制方法

文章主要提出了一种新的基于小波变换对高分辨率合成孔径雷达（SAR）图像相干斑噪声抑制的算法。首先从SAR图像相干斑噪声产生的机理出发,论述了通过传统的滤波方法．在抑制高分辨率SAR图像的相干斑噪声的同时损失了大量的边缘信息和纹理细节而采用小波变换降噪的优越性和必要性;其次详细地论述了在小波域中如何利用高频局部的统计特性和分解尺度大小来选取滤波窗口尺寸进行滤波;最后通过实验结果说明了此方法比采用传统的固定窗来实现对高分辨率SAR图像的降噪、保留边缘信息和纹理细节有着更好的性能。     

基于交互融合的高精度图像融合算法的研究

针对可见光和SAR图像融合，提出了一种基于跨模态差分感知和注意力机制的交互融合（TDPAM Fusion）算法，能有效保留可见光图像中的纹理结构和SAR图像的细节信息。首先，采用跨模态差分感知融合（Cross-Modal Differential Perception Fusion，CMDAF）模块提取图像的互补信息，避免真值缺失并提高融合精度。其次，通过坐标注意力机制（Coordinate Attention，CA）提高特征提取的准确性和效率，增强语义信息的集成。最后通过交互融合算法（Interactive Fusion Module，IFM）将特征自适应融合。设计了相应的大型基准数据集，用于网络模型的训练和测试。实验结果表明：TDPAM Fusion融合算法可以获得包含清晰SAR信息的高质量可见光图像。此外，融合算法将互信息（Mutual Information，MI）、空间频率（Spatial Frequency，SF）、视觉保真度（Visual Fidelity，VIF）和相关系数（Correlation Coefficient，CC）等关键指标，分别提高了约6.41％、10.36％、14.25％和4.74％。     

基于SVM的SAR图像中水上桥梁目标的检测

针对SAR图像中桥梁目标的特性,提出了一种基于统计特性和先验知识相结合的桥梁目标检测方法。通过对SAR图像中桥梁和背景的分析,首先对河流区域进行特征提取,再利用支持向量机方法对数据进行训练建模,通过训练后的模型对SAR图像中的河流进行分割,最后在分类后的二值图中按方向累加能量最小准则进行桥梁目标检测。基于真实SAR图像的实验结果显示,此方法不需要对SAR图像进行复杂的预处理,有强的抗斑点噪声性,能快速检测SAR图像中的桥梁目标。     

基于SAR景象不变特征点的匹配定位技术研究

针对精确制导领域中的SAR景象匹配定位技术中由于实时图与基准图可能存在形变、分辨率不一致,图像旋转及雷达视角变化及噪声的影响下差异较大情况时直接利用基于灰度的规则正交二维信息匹配算法适应性差的问题,将不变特征点匹配方法(Scale Invariant Feature Transform,SIFT)应用到SAR景象匹配中,通过仿真实验取得了满意的效果,试验结果表明SIFT特征是图像的局部特征,其对旋转、尺度缩放、亮度变化保持不变性,对视角变化、噪声也保持一定程度的稳定性,对提高匹配概率和对不同图像的适应性,降低应用风险具有借鉴意义。     

基于梯度特征的图像自动分割方法

利用遥感图像进行海上目标检测、监视的关键技术是实现海陆分离，从而为目标检测、监视减少不必要的处理工作。传统的采用阈值分割方法分离陆地，但是这种方法对于陆地上灰度级较低区域容易造成误分割。而且，很显然的不能够充分利用图像中的灰度变化信息，即梯度。为此提出了一种基于梯度特征的海陆分割算法。首先利用边缘检测提取图像的梯度特征，梯度特征对灰度级并不敏感而对梯度的变化敏感，对于陆地灰度级较低的区域也能够提取边缘。对得到的边缘进行形态学处理，利用设定的面积阈值将图像分为主体陆地区域和孤立陆地区域，进一步可以屏蔽陆地。实验结果表明，该方法可以较好的分割陆地中阴暗区域，对于未经辐射校正图像有较好的适用性，并且有较快的处理速度。     

基于改进Hausdorff测度和遗传算法的SAR图像与光学图像匹配

提出了一种新的基于边缘的合成孔径雷达（SAR）图像与光学图像匹配算法。在这种算法中，首先针对SAR图像低信噪比（SNR）与乘性噪声模型的固有特性提出了一种边缘特征的提取方法。在获取光学图像与SAR图像边缘图的基础上，根据Hausdorff距离具有强抗干扰能力和容错能力的特点，采用了改进的Hausdorff距离作为相似性测度。在搜索策略上，根据遗传算法的固有的并行性，采用遗传算法来加快搜索的速度。通过大量基于同一地区的光学图像与SAR图像匹配的试验结果表明，这种算法鲁棒性好，匹配精度高，计算速度快。