基于RCS曲线的SAR图像点目标变化检测

地物目标的物理结构、表面粗糙度或地物目标类型发生了变化,则其后向散射能量一 般会发生相应的变化,对应的雷达散射截面(Radar Cross Section,RCS)也会发生变化,这 将导致合成孔径雷达(Synthetic Aperture Radar, SAR)图像的亮度和色泽发生变化。提出 了一种新的基于RCS曲线特性的SAR图像目标变化检测算法。该算法不同于以往的基 于图像域的变化检测算法,从目标的散射特性提取目标的变化信息,避免了不同时相的SAR 图像对误配准所带来的错误。并进行了仿真实验,实验结果表明可行。
     

基于深度学习的遥感图像目标检测方法及系统设计

为解决传统的目标检测算法难以满足遥感图像数据爆发式增长需求这一问题，文章提出基于深度学习的遥感图像目标检测系统软件。首先，为给深度学习网络训练提供高质量的样本数据，在GIS平台上实现了样本标注功能和数据集兼容性转换功能，并提供图像预处理方法对样本进行扩充；其次，针对遥感图像场景分类与遥感图像特定目标检测，应用深度学习技术，分别实现了模型训练、迁移学习、目标检测等功能；最后，采用了形态学处理、矢量化、直角化约束等方法，对遥感图像场景分类的效果进行改善。实验结果表明，文章的遥感图像目标检测系统在遥感图像场景分类方面取得了85%的分类精度，在特定目标检测方面取得了95%的检测精度，明显优于传统的遥感图像处理方法。该系统软件满足目标检测应用需求，能够为遥感影像分类、信息提取、变化检测等任务提供技术支持。     

基于区域热核不变量的SAR图像变化检测

快速精确地检测SAR图像的变化是SAR应用亟待解决的问题。针对这一问题,提出了基于区域热核不变量的SAR图像变化检测方法。该方法利用图上热核的特征,可以充分发挥图谱理论的优点,且计算简便、矩阵的扰动性小。通过模拟分析研究了热核的特征,并应用于实际SAR图像的变化检测。实验结果表明该方法可以快速精确地检测到变化区域,且其变化检测的精度要优于区域似然比检测方法。     

基于改进语义分割网络的输电走廊遥感变化检测

利用不同时间卫星遥感图像的变化检测,可以及时发现输电走廊周边的地质灾害、人为破坏和违章建设等潜在风险。目前,由于卷积网络需要池化,基于深度学习的高分辨率遥感图像变化检测通常采用降采样提取抽象特征,导致检测结果分辨率降低。针对这个问题,文章提出一种综合语义分割和孪生网络的变化检测算法,利用语义分割网络的编码功能提取高级抽象特征,通过解码功能恢复成原始分辨率,并利用孪生网络的参数共享机制实现不同时相图像的协同处理。面向云南省昆明市西南某高压线覆盖区域,利用2018年1月和11月的"高景一号"0.5m分辨率遥感图像进行变化检测,实验表明:文章提出的算法在分辨率保持不变的情况下,能获得优于93%的检测精度,为输电走廊遥感变化检测提供有效的技术支撑。     

基于双重分类深度学习的低空目标自动检测方法

由于图像数量多,因此准确、高效的目标检测是提升靶场光测图像处理自动化程度的关键步骤.针对低空目标图像及目标类型多、目标特性变化等情况导致传统目标检测算法适应性差的问题,提出了一种基于双重分类深度学习的低空目标自动检测方法.该方法基于深度学习目标检测框架YOLO V3,根据低空目标的亮度和形状的双重属性特征,将网络输出层...     

基于Rician分布的SAR图像MRG目标提取算法

针对SAR图像特有的乘性噪声和非恒虚警统计特性很难正确提取目标的问题,本文提出了MRG算法对SAR目标进行检测。首先用MRF-ICM算法对SAR图像进行后向散射系数的复原,再在复原后的幅度上叠加相位信息后引入Rician分布寻找自适应的最佳局域Gabor滤波器参数对SAR图像进行目标提取。和以往的算法相比,MRG算法充分利用了SAR图像幅度和相位中所携带的信息,能更准确地提取目标。实验表明:该方法能取得很好的目标检测效果,后期提取出的目标更符合实际目标形态,具有较强的通用性。     

SAR图像强回波目标检测的偏态分布方差方法

对复杂背景下的SAR图像强回波目标检测问题进行了研究,提出了基于偏态分布方差的自适应检测算法。首先设计一种新的基于偏态分布模型的方差滤波器,偏态分布方差滤波器可减少相干斑噪声对检测的不良影响,提高图像方差的差异性,即强目标回波边缘灰度方差相对于强目标回波灰度方差、背景杂波灰度方差更小。其次,算法改进了根据图像复杂度自动选取阈值方法,通过自适应检测小方差像素,实现强回波目标检测。仿真结果说明该算法能够对SAR图像强回波目标较快地进行准确检测。相比方差特征法(VAR)和扩展分形特征法(EF)在检测速度与虚警率方面均具有较大的优越性。     

基于改进Hough变换的ASAR图像船只尾迹检测算法研究

为能更准确地对先进合成孔径雷达(ASAR)图像中船只尾迹进行探测,提出了一种基于改进Hough变换的船只尾迹检测算法。切割ASAR窗口图像,以尾迹为中心、略小于尾迹长度为高度,确定含船只目标及其尾迹的窗口,将船只用窗口图像灰度均值替代以使其不影响尾迹检测。用改进Hough算法,先后对亮尾迹和暗尾迹进行检测,在变换域中由设定的阈值寻找峰值,反演出尾迹所在直线,再由阈值条件确定尾迹的起点和终点。给出了用于ASAR图像船只尾迹检测算法的流程。对两幅含船只尾迹的ASAR图像进行了检测,结果表明:与传统算法相比,该算法运算简单,实现速度快,能较准确地检测到船只尾迹及其起点和终点。     

单通道SAR对任意运动目标的检测和成像

在合成孔径雷达（SAR）图像中，运动目标会引起散焦和／或移位之类的成像误差，这与目标运动方向有关。为了得到准确而清晰的运动目标的图像，目标位置和速度参数是必须知道的。这里提出了一种对任意方向运动的地面目标进行探测、参数估计和成像的算法。该算法主要是评估由常规单通道SAR雷达数据生成的一系列单视SAR图像。用两个观察模型来估计运动目标的位置和速度，考虑了由于运动导致多普勒频谱的混叠。用这种方法，运动目标可以不受其运动方向的影响而被检测到，估计参数被用来补偿SAR图像中的成像误差。最后，目标在场景中的真实运动情况可以在补偿过的图像序列中显现。     

一种面向对象的机场跑道变化检测方法

利用遥感影像变化检测技术获取机场跑道变化信息,可以为机场跑道打击效果评估等多种军事应用提供决策支撑。为了快速、准确的检测出机场跑道的变化区域,并定量、定性的获得变化属性,文章以"资源三号"卫星影像为例,提出了一种新的面向对象的机场跑道变化检测方法。首先,将经过配准处理的前后时相遥感影像进行多尺度分割,分割尺度利用尺度参数估计(Estimation of Scale Parameters,ESP)算法确定;之后,利用影像分割结果对不同时相的对象进行切割,形成前后时相上位置、大小一致的对象单元,再利用不同时相对象间的变化向量大小确定变化区域;最后,利用特征空间优化之后的特征集合对已确定的变化区域对象进行监督分类,获得机场跑道内部各对象的变化属性。结果表明:在变化区域的检测上,该方法避免了单张影像的分类过程,可有效提高检测效率;在变化类别的检测上,该方法在检测出的变化区域基础上进行分类,可大幅提高变化类别的检测精度,并且能够获得更为丰富的变化属性和满足快速准确检测机场跑道相关变化的信息。     

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。     

基于局部能量比的空中红外弱小目标检测方法

提出了图像局部能量比的概念,并针对空中目标图像特点,给出了一种基于局部能量比的红外弱小目标检测方法。该方法基于单帧图像即可实现红外点目标检测,算法简单,耗时较短,可以实时检测;图像局部能量比对图像噪声不敏感,故该检测方法对图像信噪比要求较低,具有强抗干扰性,便于工程实现。文中给出了检测算法的具体实现过程,并用真实空中红外弱小目标图像进行了检测试验。试验结果表明该方法对空中红外弱小单目标和多目标均具有令人满意的检测效果。     

一种检测ＳＡＲ图像边缘的方法

传统算法不能很好地解决合成孔径雷达（ＳＡＲ）图像边缘检测问题，为此提出了一种改进方法：将Ｈaralick曲面拟合法和改进的广义模糊算子（ＧＦＯ）两种算法相结合，分别独立求出ＳＡＲ图像边缘，然后将分别求出的图像边缘合并，得出最终边缘，用实际ＳＡＲ图像对该算法进行检验，验证了该算法的有效性。     

顾及不确定性分析的多数投票 SAR 影像变化检测

合成孔径雷达（Synthetic Aperture Radar，SAR）影像变化检测是遥感领域的一个重要研究方向。文章以投票法（Majority Voting，MV）为基础，提出一种全新的顾及不确定性分析的SAR影像变化检测方法（Uncertainty Analysis-based MV，UAMV）。首先选取三组典型的差分影像生成算法，生成三组互补的差分影像。然后使用模糊C均值聚类估算每组差分影像的关于变化类和未变化类的模糊隶属度函数。最后用模糊集合和信息熵理论优化MV，构建顾及不确定性分析的多数投票法，并用所构建方法融合三组差分影像的模糊隶属度函数，生成变化检测图。为验证文章方法的有效性，通过三组真实SAR影像数据进行实验分析。实验结果表明：1）通过用信息熵分析MV融合过程中的不确定性，能够显著提高MV的变化检测性能；2）与7种现有相关算法相比，UAMV方法能够取得更优的变化检测结果。该研究为SAR影像变化检测提供一种新的思路和方法。     

复杂背景中红外弱小目标检测技术研究

对复杂背景中红外弱小目标检测识别的一种图像处理技术进行了研究。用最大中值滤波进行预处理以抑制孤立噪声影响,采用时域方差滤波抑制背景信息,对滤波后的图像根据直方图信息进行自适应二值化处理,由多帧轨迹确定目标。用实验与基于形态学算子滤波的目标检测算法进行了比较,结果表明该算法能获得较满意的目标检测结果,两种滤波方法的组合可有效提高信噪比。     

星载合成孔径雷达图像的飞机目标检测

针对大场景下星载合成孔径雷达(SAR)图像中飞机目标检测问题,提出一种端到端的飞机目标检测算法。先在大场景SAR图像中对机场目标进行粗检测,定位机场区域,再通过精确分割算法获得机场的精细区域。对机场区域中的飞机目标进行检测,采用一种基于Canny算子的边缘检测与卷积神经网络结合的飞机目标检测算法。通过飞机边缘检测、边界框预处理等操作确定潜在飞机目标在机场中的位置范围,采用基于GoogLeNet的卷积神经网络对可疑目标进行鉴别。利用星载合成孔径雷达数据对算法进行验证,证明该方法的有效性与实用性。     

基于对比度和梯度分布的红外弱小目标检测

红外弱小目标检测技术是目标自动检测系统中的核心技术之一。在复杂背景以及强杂波存在的情形下,红外弱小目标检测往往会有高虚警率的问题。对于这一问题,提出了一种基于多尺度局部对比度与局部梯度分布的红外弱小目标检测算法,具有重要意义。相比于以前的算法,该方法利用多尺度局部对比度机制增强红外图像中的疑似红外弱小目标的区域,再利用红外图像的局部梯度分布信息对这些疑似红外弱小目标的区域进行判别,剔除其中的虚警区域,得到有低虚警率红外弱小目标检测结果。实验结果表明:该算法结果可靠,检测准确率高。可见,新算法可以有效地提高在复杂背景以及存在强杂波情形下红外图像中弱小目标的检测准确率。