改进多尺度Canny算子在SAR图像边缘提取中的应用

着重讨论了在原始Ｃａｎｎｙ算子基础上提出的一种改进算法。其主要特点在于将多尺度分析的概念引入到基本Ｃａｎｎｙ算子中，从而改善了Ｃａｎｎｙ算子的检测性能，使其更加适应合成孔径雷达（ＳＡＲ）图像受噪声影响较大的特点。最后在原始ＳＡＲ图像基础上，将改进的算法与基本Ｃａｎｎｙ算子及其它几类边缘检测算子作了性能对比实验。实验结果显示了改进Ｃａｎｎｙ算子的良好检测性能。     

采用参数谱估计方法的超分辨率SAR成像

讨论了采用改进的参数谱估计算法的超分辨率合成孔径雷达（ＳＡＲ）图像形成，参数谱估计方法是在参数数据模型的基础上设计的，同时用于估计模型参数，由于在ＳＡＲ的应用中经常利用ＳＡＲ图像而不同模型参数，因此我们采用依靠参数方法获得的参数估值来模拟大维数的数据短阵，然后对它们采用快速傅里叶变换（ＦＦＴ）以产生具有超分辨率的ＳＡＲ图像，采用ＭＳＴＡＲ和Ｍｉｃｈｉｇａｎ环境研究所（ＥＲＩＭ）数据的实验例子说明，和常规的ＦＦＴ方法相比，鲁棒的频谱估计算法能产生更高分辨率的ＳＡＲ图像，并能增强显著的目标特征。     

合成孔径雷达的辐射分辨特性

专家论述合成孔径雷达（ＳＡＲ）的辐射分辨特性。首先阐述ＳＡＲ图像像元强度所应奠定的概率分布－－χ＾２分布，然后用不同方法去度量该分布的宽度，由此产生了多种辐射分辨率定义，以指定图像强工时的错误概率为准则来比较各种定义，从而进一步揭示其内涵。还导出了存在系统热噪声辐射分辩率的定量计算关系式。并论述了辐射分辨特性对ＳＡＲ图像可懂度的影响。     

干涉式合成孔径雷达测量技术

论述具有三维测绘能力的干涉式合成孔径雷达（ＩｎＳＡＲ）测量技术。在ＩｎＳＡＲ中，除了形成普通的二维ＳＡＲ图像之外，还利用同一地物目标的两幅ＳＡＲ图像的干涉相位来提取该地物的高度信息。详细阐述ＩｎＳＡＲ的基本原理，分析其测量精度极限性能和某些设计约束，并概要介绍若干试验结果。     

一维海浪谱SAR成像的计算机模拟研究

文章根据综合孔径雷达（ＳＡＲ）原理，研究了海浪谱ＳＡＲ成像的机理，推导了一种较简单的由海浪谱到雷达图像话的数学模型。推导时先将海面看成是静止的，求得ＳＡＲ对静止目标的成像数学模型，然后左此基础上加上海浪的运动效应，从而获得一个普遍适用的非线性ＳＡＲ海３Ｋ成像数学模型．这个数学模型对一维和二维海浪谱成像均适用。此数学模型中包括一方位截止因子，从中可以求得轨道速度的均方值．最后用此数学模型仿制了由一维海浪谱到ＳＡＲ图像谱的计算机模拟软件，给出了模拟，并对不同的参数作了研究，分析了ＳＡＲ图像谱失真的原因，所得模拟结果与由传统的ＭｏｎｔｅＣａｒｌｏ法所得结果十分吻合．     

SAR产品图像像素定位方法的选择与参数优化

通过对几种合成孔雷达（ＳＡＲ）遥感图像的像元定位理论模型进行阐述了比较，得出距离－－多普勒（Ｒ－Ｄ）模型作为定位模型的核心内容为最佳。进而指出了定位模型建立和达到实用的过程中仍需完善和解决的若干问题，尤其是结合ＳＡＲ图像产品格式，指出了所需参数的获取与优化方法。     

星载宽测绘带合成孔径雷达成像处理

文章主要研究星载宽测绘带合成孔径雷达（ＳＣＡＮＳＡＲ）成像处理。重点讨论ＳＣＡＮＳＡＲ的工作原理、信号格式、信号结构和咸像处理算法。成像处理算法包括块数据成像算法和块图像拼接算法。频谱分析法和时域频域混合相关法被用于块数据成像，块图像的拼接是利用时间关系剪裁决图像再顺次拼接。计算机仿真验证了本文原始数据重格式化及ＳＣＡＮＳＡＲ成像处理。     

应用形态学算子检测SAR图像中的湍流航迹

在条件合适的情况下，利用天基和航空ＳＡＲ（Ｓｙｎｔｈｅｔｉｃ Ａｐｅｒｔｕｒｅ Ｒａｄａｒ）可以观察到海上航行的船舶及其航迹。在ＳＡＲ图像是观察到的航迹有好几种，其中，湍流航迹是在所有航迹特征中出现的概率最大的一种，它一般是以暗的线的形式出现的，针对这一特点我们提出运用形态学处子来检测ＳＡＲ图像是的湍流航迹。运用形态学的方法有它自己的优势：可以有效抑制斑点噪声，可以检测在于一室长度的航迹特征，而不     

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。     

SAR图像边缘的小波抽取算法研究

随着地球物理勘探、航空摄影、卫星监测技术的发展，人们获得的各种图像资料也与日俱增。如何从众多的图像资料中快速获取所需的信息是一个引起广泛兴趣的问题。实现图像信息的自动识别技术是解决问题的途径之一。本文就是在作为图像自动识别技术中必不可少的一个环节———图像边缘抽取领域中，针对小波分析在具体的合成孔径雷达（ＳＡＲ）图像处理中的应用前景进行了研究工作，并取得了一些结论。     

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。     

一种自适应各向异性的SAR图像去噪算法

为了在抑制噪声时尽可能保留图像边缘信息,提出一种自适应各向异性SAR图像去噪算法。该方法设计一组具有不同尺度和方向的滤波器模板,针对不同图像边缘的局部特征计算出滤波器的尺度和方向,选择最优匹配的各向异性滤波器,从而可以在抑制噪声的同时很好地保留边缘。仿真实验表明,提出的自适应各向异性SAR图像去噪算法具有很强的噪声抑制和边缘保持能力,并且具有较高的实效性。     

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     

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。     

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。     

一种新的非线性干涉SAR噪声抑制方法

现有的常用于干涉SAR相位图噪声抑制的非线性滤波法主要有模糊中值滤波和模数滤波，这两种方法都会引起比较大的图像边缘模糊，从而降低后续处理的精度。邻域平均法是一种非常经典的图像降噪方法，它具有较好的边缘保持特性。论文结合干涉SAR相位图的特性，改进了邻域平均法的邻域甲均值计算公式，有选择地利用邻域平均值代替当前像素点的值，提出了一种适用于干涉SAR相位图降噪的新的非线性滤波方法一条件邻域平均法，它具有更好的边缘保持特性。在理论分析和比较条件邻域平均法与模糊中值滤波和模数滤波方法的基础上，采用ERS1／2干涉SAR数据对论文提出的方法和所作的分析进行了验证。     

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。     

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。