基于MAP估计和广义高斯MRF的SAR图像边缘比率检测方法

SAR图像极低的信噪比以及乘性噪声给SAR图像的边缘检测带来了较大的困难。提出了一种针对SAR图像边缘的自适应贝叶斯检测方法。该方法利用广义高斯马尔可夫随机场作为局部均值的先验概率分布模型,利用贝叶斯准则推导了局部均值的最大后验概率估计。广义高斯马尔可夫随机场模型参数估计和局部均值估计采用联合迭代技术进行求解。边缘检测器的参数采用接收机操作性能曲线和卡方检验进行选择。基于实测SAR数据的仿真实验结果表明,本文的边缘检测算子是有效的,并优于已有的SAR图像边缘检测算子。     

一种基于改进高斯滤波器的水平集停止项函数

水平集算法为了克服噪声对其演化过程的影响,通常在速度停止项中使用高斯滤波器。但高 斯滤波器在滤除噪声的同时也模糊了图像的边缘,而水平集是一种以边缘力为演化动力的算 法,因此以模糊图像的边缘力为演化动力通常使传统水平集算法产生错误的分割结果。为此 ,对水平集函数的速度停止项进行了改进。首先,改进后的速度停止项函数使用一种新的高 斯滤波器,该滤波器通过在x和y方向上选用不同的高斯尺度,从而使滤波器在去噪 时较好地保留图像边缘等重要信息。接着,对新高斯滤波器长轴和短轴的尺度估计方法进行 了研究。最后,再将本文的速度停止项带入到水平集演化方程中,对图像进行演化运算。实 验结果表明,采用此方法能够使水平集方法获取更好的分割结果。     

动态系统模糊马尔可夫建模方法研究

着重讨论基于模糊马尔可夫模型动态系统建模方法 ,研究的问题是用模糊马尔可夫模型 ,根据系统实际输入—输出 ,获得线性和非线性随机动态系统非参数建模的新方法 ,最后 ,给出了随机动态系统仿真的应用实例     

基于边缘模型的图像后处理算法的FPGA实现

在传统图像后处理算法中,性能和复杂度往往难以兼顾。从FPGA硬件实现出发,在原有的基于边缘模型的数字图像后处理算法基础上,提出一种新的基于模型匹配的重建模型算法,并且根据边缘的宽度和边缘退化的主要形式建立两个边缘重建模型。仿真实验结果表明,改进的算法不仅满足工程实时性要求,而且一定程度上抑制了高倍压缩后的数字图像中出现的振铃效应和模糊效应,起到了改善图像主观和客观质量的作用。     

基于模糊C-均值聚类航天图像分割方法的研究

在图像分割领域,模糊C-均值聚类算法得到了广泛的应用,但存在计算量大、易受噪声影响、目标与背景对比较弱时对边界处的像素分辨能力低等问题.针对以上问题对标准模糊C-均值聚类算法进行了改进:利用一维灰度直方图来降低计算量;并在此基础上,考虑每一层灰度级的邻域像素之间的空间一致性;然后,构造特征散度来重构聚类算法的目标函数.最后用一幅测试图像和两幅航天高分辨率图像对改进的方法进行试验,结果表明,对于削弱上述问题的影响,算法较标准模糊C-均值聚类算法有较大提高.     

一种基于双模式成像的遥感图像去运动模糊方法

对地观测载荷大多工作在颤振环境之中,这种颤振造成光轴偏移、像面抖动,由此产生的运动模糊对高分辨率成像与高精度探测产生了极为不利的影响。对空间相机像面去模糊的工作,大致分为两种方案：一种为硬件实时探测加硬件实时补偿,另一种为硬件实时探测加事后软件补偿。文章提出通过主成像相机的双成像模式获得低信噪比无抖动图像和正常信噪比模糊图像,利用图像处理手段从这一对图像中求得抖动信息（模糊核）,并以此为先验知识指导模糊图像的复原,抑制像面抖动。这种方法既不需要补偿器件,也不需要探测元件和探测支路,并在图像迭代处理过程中不断修正模糊核,在初始模糊核有一定误差的情况下,同样可望取得良好的像面去模糊效果,对于遥感图像像质提高具有潜在的应用价值。     

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。     

基于模糊CFAR的SAR图像非均匀背景目标检测算法

CFAR是目前应用最为广泛且实时有效的SAR图像目标检测算法,在非均匀背景情况下,一般的CFAR检测都会存在大量虚警.引入模糊逻辑的概念,提出了一种非均匀背景的SAR图像模糊CFAR目标检测算法.基于Weibull分布,分别推导出模糊CA-CFAR和模糊OS-CFAR的隶属函数,并根据相应的模糊融合准则进行融合处理,得到模糊CFAR检测器的中心门限.仿真结果表明,模糊CFAR检测算法在非均匀背景的SAR图像目标检测中,具有较高的检测概率,且虚警少,具备一定的实用价值.     

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.