基于峰值匹配的SAR图像飞机目标识别方法

针对SAR图像飞机目标识别过程中的目标识别问题,提出一种基于峰值匹配的目标识别方法。该方法首先使用基于8邻域像素检测局部极大值的峰值提取方法提取目标和模板的峰值特征点;然后对目标进行方位角计算,设定置信区间从而缩小需要匹配的模板库;最后计算目标图像峰值点集与模板图像峰值点集的匹配代价函数,当匹配代价函数取最小值时表明目标与相应模板图像相匹配。实验结果表明该算法有效,且分类性能和分类效率较现有的一些算法有所提升。     

一种利用方位角信息基于峰值匹配的SAR图像目标分类方法

本文研究了基于峰值匹配的SAR图像目标分类问题,给出了一种利用方位角信息基于峰值匹配的SAR图像目标分类方法.该方法先对输入待分类SAR图像进行目标峰值提取,再基于提取的峰值进行目标方位角估计,然后根据该估计及其置信区间由模板SAR图像数据库检索出方位角位于该估计及该估计+180°置信区间内的所有SAR图像,并分别提取其峰值,这样即可通过寻找待分类SAR图像与由模板库检索的模板SAR图像目标峰值间的最佳匹配,实现目标分类.和不利用方位角信息的目标分类方法相比,本文方法显然具有更高的计算效率.另外,如何快速有效的确定待分类SAR图像与每一幅模板SAR图像目标峰值间的对应关系,计算其匹配度,是基于峰值匹配SAR目标分类中的另一个关键问题,针对该问题,本文提出了一种基于匹配代价函数表搜索的SAR图像目标峰值对应关系确定方法,该方法能在得到较好分类性能的同时,有效提高分类效率.实测MSTAR SAR图像数据的分类结果验证了本文方法的有效性.     

高分辨率SAR图像目标峰值特征提取

峰值特征是进行SAR图像自动目标识别的重要特征。本文提出了SAR图像目标的通用高斯峰值模型,根据该模型提出了目标峰值提取方法。利用实测数据以及蒙特卡罗仿真结果表明:通用高斯峰值模型是实际峰值的一种精确模型,基于该模型的峰值提取方法具有良好的提取精度。     

双阈值CFAR SAR目标分割方法

由于存在乘性斑点噪声,给SAR图像分割造成很大困难。本文研究了融入SAR图像散射中心的统计信息于目标分割。采用K-S统计分布拟合检验方法证明了图像中目标峰值和背景杂波峰值分别服从瑞利分布和高斯分布。提出了一种双阈值CFAR目标分割算法,试验结果证明：本文所提算法既可以快速、精确地分割SAR目标,又有一定实用性。     

一种快速有效的SAR图像起伏地形分割算法

根据合成孔径雷达(SAR)成像机理和图像特征,针对SAR图像中的起伏地形,提出了一种基于有向多尺度模型分割算法。该方法利用了SAR图像不同方向不同尺度间的统计相依性,而且考虑了SAR图像的空间信息。由于是基于有向多尺度模型少量的特征数据,利用最大期望(EM)算法可以快速估计参数,同时利用数学形态学算法进行分割修正,实现了高精度的SAR图像起伏地形的快速分割。实测SAR图像分割实验结果证明,对比其他分割算法,该方法对起伏地形的分割效果更为精确。     

基于表征转换机的SAR图像目标分割方法

针对SAR(Synthetic Aperture Radar)图像中的目标分割问题,由于目标与杂波空间模式(像素强度和分布)不同,通过分析图像空间模式的方式可达到分辨目标和杂波并分割目标的目的。该文基于表征转换机理论提出一种有效的SAR图像目标分割方法,该算法分析SAR图像中的空间模式,计算其与参考杂波图像的相似程度,最后将与参考杂波相似程度较高的部分消除以达到分割目标的目的,并在衡量相似度部分使用基于累积直方图的自动阈值选取办法。仿真和实测数据的实验验证了此算法的有效性。      

基于结构形态几何生长的 模糊红外光谱图像分割

针对局部目标与背景的低对比度、目标边缘模糊红外手印的分割问题,提出了一种基于结构形态几何生长的边缘模糊红外目标提取算法。该算法首先利用最大熵法及阈值扩展将图像进行粗分割;在粗分割的目标区域中提取区域块特征点,构筑手的结构形态;通过区域块特征点寻找种子点,并以种子点与对应特征点的距离关系作为生长判决条件进行几何生长,最终提取得到目标图像。与常用提取算法进行比对实验,结果表明,针对边缘模糊的红外手印图像,本文算法能更有效地提取出完整目标。     

基于偏微分方程的多区域SAR图像分割方法研究

提出了一种基于偏微分方程的多区域SAR图像分割方法,该方法没有引入任何附加参数,同时可以估计区域数目,使用分级分裂最小化能量函数,从而获得更理想的分割效果.针对模拟和真实SAR图像对进行算法仿真,实验结果表明该方法不仅能够正确分割目标与背景,而且具有很好的边缘定位能力.     

基于数据驱动的SAR溢油图像分割算法对比研究

本文针对SAR图像中溢油区域的散射特点,首次将二维最大类间方差阈值分割算法应用于SAR溢油分割,并提出了一种基于改进二维最大类间方差的SAR溢油图像分割算法。基于ENVISAT ASAR溢油图像的实验结果表明,和经典最大熵以及原始二维最大类间方差分割算法相比,本文算法是一种抗噪性能好,分割精度高,运算速度快的SAR溢油图像阈值分割算法。     

SAR图像的自动分割方法研究

由于存在相干斑噪声的影响,给SAR图像分割造成很大的困难,该文提出了一种SAR图像的自动分割方法。首先在特征提取阶段,通过计算小波能量提取纹理信息,用邻域统计量提取灰度信息,用保边缘平均灰度提取边缘信息,以确保边缘准确。然后提出一种改进的完全无监督的聚类算法进行图像分割,该算法可以自动确定分割的类型数目。由于该方法充分考虑了SAR图像的纹理、灰度和边缘信息,因而极大地提高了其最终分割性能。实验结果证明了该方法的有效性。     

基于马尔可夫随机场的SAR目标切片图像分割方法

SAR目标切片图像分割是基于SAR图像目标识别的一个重要步骤。文中通过利用马尔可夫随机场模型 ,引入图像象素的局部结构信息 ,有效实现了SAR目标切片图像的高精度分割。通过对SAR目标切片图像进行统计分析 ,精确选择了分割算法的迭代初值 ,极大提高了算法的计算效率。和其它分割算法相比 ,文中算法在分割速度和精度上均有较大提高     

一种全自动的MSTAR SAR目标图像分割方法

狄利克雷过程混合模型(Dirichlet Process Mixture,DPM)作为一种非参数概率统计模型,可以有效应用于SAR图像的非监督分类。文中提出一种全自动的MSTAR坦克SAR图像分割方法。该方法首先基于DPM确定出图像中的类别数目,接着使用马尔科夫随机场(Markov Random Field,MRF)对所得图像类别概率的空间邻域关系进行描述,然后结合标号代价能量优化算法获取最终的分割结果。该方法在不需要人为指定待分割图像类别个数的同时,能较好地保证分割结果的合理性与连贯性。在MSTAR SAR数据上的实验表明了其有效性。     

基于视觉感知和MARMA-MRF模型的SAR图像分割

模拟人类视觉感知机制,提出了一种基于多尺度 自回归滑动平均(MARMA,multiscale auto-regressive and moving average model)模型 和Markov随机场(MRF,markov random field)的合成孔径雷达(SAR)图像分割新方法。首先 ,分析人类视觉感知系统的工作机制 和特点,利用SAR的成像机理,构建了SAR图像的金字塔结构和MARMA模型, 以此模拟视觉过程中的空间尺度和朝向感知机制;然后,通过不同尺度上的MRF模型和改 进的模拟退火(SA)算法实现更有效的多尺度分割策略。实验结果表明,本文提出的方法在SA R图像分割任务中有非常良好的表现。     

多尺度马尔科夫随机场在基于高分辨率合成孔径雷达影像的城市地物分类中的应用

本文通过基于多尺度马尔科夫随机场模型的最大似然算法及基于传统马尔科夫随机场势函数的像素间Gabor相似方法,使用迭代条件模型对影像进行分割,使用K均值分类算法对分割后的影像进行分类,选择北京市通州区作为研究区,使用上述方法对多幅该区域的高分辨率合成孔径雷达影像进行了分类,新方法可以实现优于传统算法的分割精度,能够清晰区分建筑物之间的边界。     

并行MCMC算法的SAR影像分割

MCMC(Markov Chain Monte Carlo, MCMC)方法采用顺序改变表征像素类属性的标号变量值会导致算法运算时间长、收敛速度慢等问题。为此,本文提出并行化改变像素标号值的MCMC方案,在贝叶斯推理框架下,依据高斯分布及MRF(Markov Random Field, MRF)模型建立SAR(Synthetic Aperture Radar, SAR)影像分割模型,设计实现基于多线程的并行采样方案;为了解决MRF标号场中邻域像素标号相关性问题,提出独立的像素并行采样的准则;同时,限制并行线程的数量,以保证采样的随机性。运用传统的串行算法和提出的并行算法对模拟和真实SAR影像进行影像分割实验;定性和定量的时间和精度评价结果表明:该方案在不影响分割精度的前提下大幅缩短影像分割时间,提高了效率。      

基于扩散方程和MRF的SAR图像分割

该文提出了一种基于图像扩散方程和马尔科夫随机场(MRF)的合成孔径雷达(SAR)图像分割方法。在传统MRF算法的基础之中,引入对图像的扩散,用来平滑SAR图像中的噪声,保护图像中的边缘部分,并且加快收敛的速度。首先对输入的SAR图像进行扩散,通过MRF进行统计,得到图像中各点的后验概率,再对得到的后验概率进行扩散。与传统的MRF算法进行比较,该文的方法较好地去除了误分割斑块,减少算法的运行时间。     

基于MRF模型和形态学运算的SAR图像分割

针对目标监测分析中的SAR图像分割问题,构造了一种基于马尔可夫随机场(MRF)模型和形态学运算的处理方法.首先利用SAR图像邻域空间上的马尔可夫性以及像素灰度的高斯分布模型,以较少的迭代次数实现了SAR图像的初分割;然后通过形态学运算进行处理,抑制干扰性分割,同时填充目标区域内部空洞,改善分割效果.实验结果显示,该方法...     

基于改进Markov随机场的高分辨率SAR图像建筑物分割算法

提出了一种基于改进Markov随机场模型的高分辨率SAR(Synthetic Aperture Radar,合成孔径雷达)图像建筑物分割算法.针对高分辨率SAR图像信噪比低和建筑物复杂纹理特性的特点,采用多尺度Markov随机场模型的最大似然准则方法获取图像的初始分割,并在传统Markov邻域能量模型基础之上提出一种新的基于Gabor纹理相似度的邻域势函数模型,采用ICM(Iterative Conditional Model,迭代条件模型)算法进行建筑物分割.多组实际高分辨率SAR图像的实验结果表明,与传统MRF算法等方法相比,本文方法具有更高的分割正确率,同时建筑物边界更为清晰平滑,分割效果较好.     

Filament Preserving Model (FPM) Segmentation Applied to SAR Sea-Ice Imagery

Modeling spatial context constraints using a Markov random field (MRF) has been widely used in the segmentation of noisy images. Its applicability to synthetic aperture radar (SAR) sea-ice segmentation has also been demonstrated recently. However, most existing MRF models are not capable of preserving filaments, specifically leads and ridges for SAR sea ice, which are valuable for ship navigation applications and necessary for identifying certain ice types. In this paper, a new statistical context model is proposed that, within the same scene, can simultaneously preserve narrow elongated features while producing similar smooth segmentation results comparable to typical MRF-based approaches. Tested on one synthetic image and two SAR sea-ice scenes, this filament preserving model substantially improves classification accuracies when compared to standard Gaussian mixture and MRF-based segmentation algorithms     

基于上下文和隐类属的小波域马尔可夫随机场SAR图像分割

该文针对合成孔径雷达(Synthetic Aperture Radar, SAR)图像含有大量的乘性斑点噪声的特点,提出了一种小波域隐类属的马尔可夫随机场(Markov Random Field, MRF)图像分割算法来抑制噪声的影响。考虑到小波的聚集性和持续性,该算法重新构造了待分图像小波域模型以类属为隐状态的混合长拖尾模型,将隐类属的马尔可夫随机场推广到小波域上,并用改进的上下文模型估计尺度间转移概率,最后推导出了新的最大后验(Maximum A Posteriori, MAP)分割公式。仿真结果证明,该算法具有鲁棒性能够有效地抑制噪声对图像的影响,得到准确的分割结果。