一种基于MLS的SAR图像点特征提取方法

针对合成孔径雷达图像点特征提取问题,提出了一种基于MLS的SAR图像点特征提取方法.首先利用提出的基于超像素关联分析的SAR图像分割算法得到二值分割图像,再把该二值图像和SAR图像进行点乘运算,获取到含有强度信息的目标区域,然后采用移动最小二乘法(MLS)对目标区域进行曲面拟合,根据设定的点特征判决规则,最后提取出SAR图像的峰值、脊和谷等多种点特征.基于MSTAR数据的实验结果表明了该方法的有效性和准确性.     

一种基于改进核主成分分析的SAR图像识别方法研究

针对传统核主成分分析方法识别SAR图像时,存在图像像素之间关联性差、对目标姿态角依赖性强等局限性,研究了一种基于改进核主成分分析的SAR图像识别方法。其研究思想是,结合SAR图像的特点提出了一种基于局部特征核主成分分析的特征提取方法,并设计了一种基于灰关联分析的双分类器对提取特征进行分类。NSTAR仿真实验表明：该方法不仅可以增强图像像素之间的相关性,而且对目标姿态角不存在依赖性,仿真结果验证了方法的有效性和可行性。     

一种新的广义Gamma分布下的SAR图像目标检测算法

针对合成孔径雷达(SAR)图像舰船目标检测中全局广义Gamma分布虚警数量较多的问题,文章采用了一种新的基于核密度估计(KDE)的广义Gamma分布下的SAR图像舰船目标检测算法。新的算法结合了SAR图像的强度分布和空间散布分布,形成新的组合分布。在组合分布的基础上,完成SAR图像目标检测。首先,介绍了广义Gamma的分布模型;然后,通过核密度估计的方法估计各像素点的散布分布,结合散布分布和强度分布形成组合分布,对组合分布采用SISE方程的方法估计广义Gamma分布的参数,根据确定的广义Gamma分布的表达式,求出阈值T的解析式。通过求解逆不完全Gamma函数得到检测阈值,进而完成舰船目标的检测。通过实测SAR图像检测实验,对比文章算法与双参数检测算法和基于广义Gamma分布检测算法,验证了该算法的适用性。     

基于MAP估计和广义高斯分布的SAR图像边缘比率检测方法

 合成孔径雷达(SAR)图像的低信噪比和乘性相干斑噪声给SAR图像的边缘检测带来了极大的困难.通过引入广义高斯(GG)分布作为局部均值功率的先验分布模型,给出了局部均值功率在最大后验概率(MAP)意义下的最优估计,进而提出一种新的SAR图像边缘比率检测算子.利用以梅林变换为基础的对数累积量(MoLC)方法估计GG分布的参数,在此基础上给出一种局部均值功率MAP估计和GG分布参数估计的联合迭代求解方法.利用SAR实测数据对本文提出的边缘检测算子进行仿真验证,并将其与平均比率(RoA)算子和指数加权均值比(ROEWA)算子进行了对比,结果表明该算子可以有效克服相干斑噪声的影响,边缘定位准确且虚假边缘明显减少.     

基于2－D熵的机载SAR图像分割迭代算法研究

机载合成孔径雷达(SAR)图像可用于检测识别机场跑道.由于SAR图像包含大量噪声,算法抗噪性能对于SAR图像处理很重要.2-D阈值方法的分割效果比传统的一维方法要好,特别是对受噪声影响的图像.然而,2-D阈值方法耗时长,难以实用.因此,本文在现有的2-D熵迭代分割算法的基础上提出了一种基于二维直方图统计特点的最大熵阈值分割算法.通过大量试验证明,本文提出的方法不仅获得了理想的分割效果,而且进一步提高了二维阈值选取速度.     

一种新的基于Graph cuts方法的SAR图像分割模型

Graph cuts方法是一种快速优化技术,能有效解决计算机视觉的低层次问题,如表面重构、分割、去噪等问题。其优点是迭代计算的高效性并能得到全局最优解。利用Graph cuts方法,将基于活动轮廓模型和水平集方法的SAR图像分割模型转化成一个新的模型,可用最大流/最小割方法来求解。实测SAR图像的分割实验表明：提出的新模型所需运行时间大约是基于水平集的活动轮廓模型所需时间的一半,分割精度也得到了较大的提高。     

基于迁移学习的SAR目标超分辨重建

针对合成孔径雷达(SAR)目标超分辨重建问题,提出了一种基于迁移学习的超分辨方法。在光学图像梯度域中联合训练超完备字典与稀疏编码映射,利用半耦合字典联系SAR图像与光学图像,寻找SAR图像在半耦合字典下的稀疏编码,并在高分辨率字典下完成重建。结合SAR图像的先验信息,使用正则化方法对SAR目标进行特征增强。所提方法在TerraSAR-X数据和MSTAR数据上进行了仿真实验,重建结果表明,相比目前的插值方法和稀疏表示方法,所提方法空间分辨率可提高0.5~1.5个像素。正则化增强结果表明,引入稀疏先验的正则化增强能够进一步提高空间分辨率并抑制杂波比,最后分析了正则化参数的选取对图像质量的影响。     

基于深度卷积网络的SAR图像目标检测识别

在SAR图像解译应用领域,目标的自动检测与识别一直是该领域的研究重点和热点,也是该领域的研究难点。针对SAR图像的目标检测与识别方法一般由滤波、分割、特征提取和目标识别等多个相互独立的步骤组成。复杂的流程不仅限制了SAR图像目标检测识别的效率,多步骤处理也使模型的整体优化难以进行,进而制约了目标检测识别的精度。采用近几年在计算机视觉领域表现突出的深度学习方法来处理SAR图像的目标检测识别问题,通过使用CNN、Fast RCNN以及Faster RCNN等模型对MSTAR SAR公开数据集进行目标识别及目标检测实验,验证了卷积神经网络在SAR图像目标识别领域的有效性及高效性,为后续该领域的进一步研究应用奠定了基础。     

基于加强模糊聚类的航空行李图像超像素分割

在自助行李托运系统拍摄的行李图像库中检索错误运输的行李时,图像背景会严重影响检索精度。针对该问题提出了一种加强模糊聚类算法（EnFCM）的超像素分割方法,实现了行李目标区域的提取。通过多尺度形态学重建梯度图像,设计了自适应上限尺度的分水岭超像素预分割算法,得到多个独立的超像素区域。对超像素图像进行直方图统计,并结合分水岭分割参数和实际行李图像内容的类别数量进行超像素的加强模糊聚类,得到行李区域。通过多个实际行李图像的分割实验验证了算法的有效性,平均分割精度达到93%,超过多个典型的分割算法。     

基于Wasserstein距离和SBGFRLS方法的活动轮廓模型图像分割算法

提出一种结合Wasserstein距离和SBGFRLS方法的非参数化活动轮廓图像分割算法。该算法采用二值函数作为水平集函数并利用高斯核函数对其正则化,有效避免水平集演化中的重新初始化过程,提高分割速度。算法本身具有选择局部和全局分割的属性。利用Wasserstein距离作为区域相似性测度使图像分割不依赖于图像数据的具体分布模型,扩大了传统水平集算法的应用范围。实验结果表明,该算法能够对图像进行有效准确地分割且具有较快的速度。     

SAR幅度图像统计模型及其参数估计

对适用于复杂场景SAR幅度图像的乘积模型统计特征进行了深入的分析,导出了其概率分布的一般形式,在单视情况下讨论了三种参数估计方法。MSTAR数据的统计分析结果表明该模型对于高分辨力的SAR图像有较好的适用性。     

OGSRN: Optical-guided super-resolution network for SAR image

Although Convolutional Neural Networks(CNNs) have significantly improved the development of image Super-Resolution(SR) technology in recent years, the existing SR methods for SAR image with large scale factors have rarely been studied due to technical difficulty. A more efficient method is to obtain comprehensive information to guide the SAR image reconstruction.Indeed, the co-registered High-Resolution(HR) optical image has been successfully applied to enhance the quality of SAR image due to it...     

基于图像的腐蚀损伤及疲劳寿命研究

在实验室环境下,对航空LY12CZ铝合金试件进行了腐蚀试验,然后采用图像处理的方法,提取了孔蚀率、点蚀坑分形维数、点蚀坑半径3种腐蚀形貌特征值,通过灰色预测方法对腐蚀形貌特征值与腐蚀损伤之间的关系进行了研究,得到了基于形貌特征值的GM(1,3)腐蚀损伤预测模型。在此基础上,利用AFGROW软件建立了断裂力学模型,对不同腐蚀形貌特征条件下LY12CZ试件的疲劳寿命进行了计算与讨论。结果表明,试件的疲劳寿命与其表面腐蚀形貌密切相关,3种腐蚀形貌特征值均与试件的疲劳寿命负相关。此外,基于腐蚀形貌特征值计算得到的疲劳寿命值与利用实测点蚀坑深度计算得到的疲劳寿命值吻合较好,平均相对误差为8.84%。     

A Model for Generating Synthetic VHF SAR Forest Clutter Images

We propose a model for generating low-frequency synthetic aperture radar (SAR) clutter that relates model parameters to physical characteristics of the scene. The model includes both distributed scattering and large-amplitude discrete clutter responses. The model also incorporates the SAR imaging process, which introduces correlation among image pixels. The model may be used to generate synthetic clutter for a range of environmental operating conditions for use in target detection performance evaluation of the radar and automatic target detection/recognition algorithms. We derive a statistical representation of the proposed clutter model's pixel amplitudes and compare with measured data from the CARABAS-II SAR. Simulated clutter images capture the structure and amplitude responses seen in the measured data. A statistical analysis shows an order of magnitude improvement in model fit error compared with standard maximum-likelihood (ML) density fitting methods.     

图像处理技术在疲劳裂纹长度测量中的应用

研究材料的疲劳断裂特性,对产品结构设计和寿命预估计具有重要意义。试验中常需测量裂纹扩展长度,以确定裂纹长度与循环载荷次数的关系。在多孔铝合金板疲劳试验过程中,采用先进的图像数据采集和处理技术来测定疲劳裂纹的实际长度,拍摄不同循环次数下疲劳裂纹扩展的CCD图像;基于MATLAB软件,采用OTSU算法和形态学方法,把CCD图像转换成二值图并进行细化处理,得到裂纹扩展骨架图;用链码方法计算出裂纹像素长度,最后根据标定系数便可获得裂纹的实际长度。与显微镜测量裂纹方法比较,该方法具有精度高、非接触、可保存裂纹扩展状态等特点。     

Digital synthetic aperture radar processing via optical computers

A method for performing digital phase history processing of synthetic aperture radar (SAR) data using optical computers is proposed. The method has nothing in common with the old analog optical SAR processing methods (which used lenses), but is rather a totally digital (numerical) technique for computing the individual complex pixel values based on matrix-vector multiplications. The method can be expected to greatly increase the potential processing speed and coverage possibilities of high-resolution digital SAR systems     

基于复Shearlet域高斯混合模型的SAR图像去噪

 结合双树复小波的平移不变性、多分辨率性和剪切波变换的灵活可选的多方向性,提出一种新的图像表达方法——复Shearlet变换。针对合成孔径雷达(Synthetic Aperture Radar,SAR)图像的相干噪声特点,建立了复Shearlet系数域的高斯混合模型(Gaussian Mixture Model,GSM),在此基础上应用贝叶斯最小二乘法进行系数估计,最后进行复Shearlet反变换得到去噪以后的SAR图像。仿真结果和分析表明:本文提出的算法相比其他变换域去噪算法,不仅去噪后的图像的峰值信噪比(Peak Signal to Noise Ratio, PSNR)有所提高,而且去噪后的图像更平滑,且与Shearlet域高斯混合模型相比,本文算法速度快了两倍多。     

基于力场转换理论的图像粗大边缘检测方法

基于粗大边缘的异源图像匹配在导航制导等领域具有广阔的应用前景,但是现有边缘检测方法很难提取出异源图像中的粗大边缘.根据异源图像成像原理和灰度分布特点,提出一种基于力场转换理论的异源图像粗大边缘检测新方法.首先,根据引力概念计算图像中各像素点受到合力的大小和方向;其次,为了去除光照和异源图像灰度不同的影响,对图像中像素点...     

一种平稳小波方向能量阈值滤波的SAR图像去噪方法

由于 SAR图像相干斑噪声是非高斯分布的,无法直接采用光学成像系统的去噪技术处理,因此,目前还没有真正的理想算法广泛适用于 SAR图像去噪。在分析目前流行的空频域去噪方法优缺点的基础上,提出了 1种小波域 SAR图像去噪方法。为了克服离散小波变换缺乏平移不变性及方向选择性受限的缺点,该方法利用平稳小波将图像分解为低频逼近信号和高频细节信号;对于噪声信息较少的逼近信号,利用增强 Lee滤波去噪;对细节信号,根据相干斑噪声在小波域的方向能量特性进行自适应的阈值滤波;最后重建去噪后的 SAR图像。实验表明,该方法去噪能力强,同时边缘保持较好。