基于多小波子带加权判别熵的SAR目标ICA特征提取及识别

传统小波独立分量分析(ICA)提取合成孔径雷达(SAR)目标特征时大都采用单一的小波基函数,并且仅利用小波分解低频子带数据进行ICA处理,而忽略了高频子带信息。针对这一问题,采用多类小波基函数对SAR目标图像进行分解;针对得到的所有低频和高频子带数据,引入子带加权的判别熵准则,结合现有的小波ICA算法,提出多小波子带加权判别熵的SAR目标图像ICA特征提取算法。采用MSTAR实测SAR目标图像数据,根据提出算法进行特征抽取,利用最近邻准则进行SAR目标识别。识别结果表明提出算法优于仅利用小波分解低频子带ICA算法。     

一种改进的基于小波变换的SAR图像压缩编码

由于SAR数据图像与光学传感器数据特点有所不同,因此一般的适合光学图像的压缩算法并不一定适合雷达图像。文章根据SAR图像的特点对SPECK算法进行了改进。用此改进方法对SAR图像进行处理,通过与SPIHT算法的比较分析可以看出,该算法从各个方面都明显优于传统的SPIHT算法,而且这种方法有较好的视觉特征,有利于进行图像的校准和目视解译。     

SAR图像盐渍地分类研究

以渭干河——库车河三角洲绿洲为例,利用SAR数据,采用不同的分类方法来提取该研究区盐渍化土地覆盖信息。首先用Enhanced frost滤波算法对SAR图像进行去噪处理。然后基于灰度共生矩阵理论提取去噪后的SAR图像4种纹理特征,并在不同窗口大小下筛选出有效的纹理特征。最后结合纹理特征分别采用最大似然分类法和SVM分类法对SAR图像进行分类。研究结果表明:基于纹理特征的SVM分类方法,能够有效解决单源数据信息图像分类效果破碎问题;13×13窗口的总精度达到98.2456%,Kappa系数达到0.9763,更有利于遥感图像分类和盐渍化信息监测,是地物遥感信息提取的有效途径。     

基于边缘检测的SAR图像自适应区域分割

受相干斑噪声影响,合成孔径雷达（Synthetic Aperture Radar,SAR）图像成像质量低,目标判读困难。针对传统方法对SAR图像分割存在噪声敏感、细节缺失、过度分割等问题,提出一种基于边缘检测的SAR图像自适应区域分割方法。首先引入双边滤波构建级联滤波器,对SAR图像进行保边抑噪;然后建立基于纹理复杂度的阈值估算模型,实现阈值自适应目标SAR图像边缘检测;最后提出基于边缘特征的自适应区域生长分割方法,较好解决了传统区域生长算法对SAR图像分割时出现的过度生长和过度分割之间的矛盾问题。该方法综合利用了SAR图像二维熵、边缘灰度信息、区域灰度信息,实现了对单极化目标SAR图像的自动分割。实验表明,相较于其他传统分割方法,该方法保边抑噪能力更强,目标细节检测更准确,较好解决了SAR图像过分割问题。     

SAR图像机动目标的多尺度间隙度特征及其鉴别处理算法

提出了一种新的基于多尺度间隙度特征的高分辨率SAR图像机动目标鉴别算法,用以去除检测阶段的自然杂波虚警。给出了间隙度特征的物理概念,以及二值化图像和SAR灰度图像的间隙度计算方法,并基于多尺度间隙度特征实现SAR图像车辆目标鉴别处理。最后,利用MSTAR数据库中的车辆目标和自然地物数据验证了该算法,结果显示该特征具有较好的鉴别性能。     

基于特征提取的SAR图像滤波算法

针对SAR图像所包含的地物目标比较复杂的特点,提出一种新的SAR图像滤波算法.该算法利用Contourlet变换能保持边界.结合特征提取可以获得区域目标点特征的特点,利用自适应阈值的方法对SAR图像进行滤波.与传统Lee滤波和保持边缘特征滤波算法进行比较,实验表明新的算法不仅提高了图像的质量.其量化指标也得到了提高.作为该算法的应用.利用变换域内低频图像和子带图像的融合规则对L和C两个波段的SAR图像进行去噪融合,可以看出该算法的去噪效果.     

基于逼近增强算子的合成孔径雷达图像特征提取算法

针对含噪SAR图像的边缘检测效果不理想、边缘特征不明显等问题,提出一种基于逼近增强算子的合成孔径雷达(SAR)图像特征提取算法.该算法利用多尺度非均匀滤波将含有噪声与不合噪声的像素点的灰度值、结构元素以及区域内的像素加权灰度密度这三个特征进行区分,以达到去噪效果.采用基于增强算子的SAR图像检测方法,通过SAR图像的像素灰度值以及像素点分布密度均值来计算综合均值阈值,通过阈值来判断像素点是否属于边缘部分.在实验中,通过分别与基于修改的LSD算法、基于水平集算法以及基于核心聚类算法的SAR图像提取方法进行了对比分析,从对比结果可以得出算法在对含噪SAR图像进行边缘检测时可以得到更明显的边缘信息.     

基于多特征的SAR图像多尺度无监督分割

提出一种基于多特征的SAR图像多尺度无监督分割方法.该方法采用隐Markov树(hidden Markov tree,HMT)模型对SAR图像的灰度数据与标准差数据分别建模并分割,由两个分割结果提取SAR图像的结构性信息,并根据结构性信息,对灰度分割的后验概率进行平滑,最终的分割结果表明,该方法在很少损失结构性信息的基础上,能得到更光滑的分割结果.     

基于纹理和BP神经网络的SAR图像分类

研究基于纹理和BP神经网络的SAR图像分类。首先用增强FROST滤波算法对SAR图像进行去噪处理。然后基于灰度共生矩阵理论提取去噪后的SAR图像多种纹理特征,并通过大量实验筛选出有效的纹理特征。最后,结合纹理特征,分别采用经典的最大似然分类法和BP神经网络分类法对SAR图像进行分类。实验结果表明：纹理信息辅助SAR图像的灰度进行分类,大大地提高了SAR图像的分类精度;基于BP神经网络的SAR图像分类精度高于最大似然分类法的分类精度。     

基于位平面特征的SAR图像筛选

为了获取含有感兴趣特定目标的SAR图像,根据SAR图像目标的成像特性,提出了一种基于位平面特征的SAR图像筛选方法。在对图像适当的灰度预处理基础上,分析特定目标的先验知识,利用对位平面的复杂度度量、游程度量以及频谱度量,定义了位平面价值度量准则,同时结合图像的灰度直方图特征对图像进行筛选。实验以机场目标为对象对SAR图像进行快速筛选,并对机场目标进行提取,效果良好,能够满足预期的要求。     

MGSI-8CA标记算法

针对已有连通域标记算法不能适用于遥感数据等海量灰度图像八连通域快速标记的问题,设计并实现了一种MGSI-8CA标记算法。该算法对传统的八连通域标记算法进行八向变四向优化,采用列表机制解决连通域标记冲突问题,并引入了筛选机制和分块处理机制,实现了对海量灰度图像八连通域标记的快速处理,同时也得到了灰度图像连通域的正确划分及精确的连通域数目。实验结果证明,MGSI-8CA标记算法运行效率高,更能适应海量灰度图像处理的要求。     

一种快速的SAR图像分类方法

SAR图像分类是＆讯图解译中非常重要的环节，但由于SAR图像中相干斑噪声的存在，使得传统方法不能很好地对SAR图像进行分类。再之，SAR图像分类具有计算量大、耗时长的特点，SAR所能获取的信息数据量也越来越大，如何快速、准确地对SAR图像进行分类以及时获取有用信息显得日益迫切。本文提出了一种快速的SAR图像分类方法，该方法将图像的空间域和频域特征相结合，并基于并行计算环境，对图像中的每一点都计算相应的小波能量特征、共生灰度矩阵特征和滤波后的灰度特征，并组成特征向量对SAR图像进行分类。实验结果证明该方法能取得较好的分类效果，且速度较快。     

基于FPGA的图像中值滤波算法硬件实现

提出一种适于硬件并行处理的图像快速中值滤波算法,并用VHDL硬件开发语言在Altera公司的现场可编程门阵列(FPGA)上实现,给出了整个硬件系统的构造方法,以128×128×8bit的灰度图像滤波处理实验结果表明,该方法可实时进行中值滤波,适于图像采集与预处理系统.     

深度先验图像特征在城市遥感大数据中的应用

图像特征提取始终是计算机视觉和图像处理的核心任务.随着深度学习的快速发展,卷积神经网络逐渐取代传统图像特征算子,成为特征提取的主要算法.本文针对城市遥感数据众包标记系统中的数据关联问题,结合卷积神经网络和池化编码,提出基于深度先验的图像特征提取方法.该特征能有效聚焦室外图像近处物体,并通过图像检索实验验证了其对室外图像的良好表征能力.     

结合视觉显著模型与水平集算法的建筑物立面图像轮廓快速提取

针对传统轮廓提取方法对建筑物立面图像处理存在的处理耗时问题,提出一种结合视觉显著模型与水平集算法的建筑物立面轮廓提取算法。首先,通过视觉显著特征与超像素分块信息滤除大量无关背景;其次,对所得的显著分块,以超像素分块为单位,据建筑物的纹理特征进行筛选;最后,利用水平集算法对所得初始建筑物区域进行演化,得到最终轮廓。实验结果表明,较传统轮廓提取方法,在处理效果相当的情况下本算法处理速度得到有效提升。     

海洋SAR图像分割及边缘梯度特征的提取

为提高合成孔径雷达(SAR)海洋溢油图像的分割效果,得到海洋表面溢油的准确信息,提出一种改进的迭代算法,能更为有效地选取阈值,尤其适用于暗斑区域与背景灰度值差异悬殊的情况.对海洋SAR图像进行预处理,并且对处理后的SAR样本图像进行边缘分割,在此过程中通过优化迭代算法得到一种新的选取阈值的方法,运用此方法成功将暗斑区域与海洋背景分离;使用5*5窗口提取样本图像的边缘梯度特征量,对梯度均值与方差进行分析、理解达到识别SAR图像中的溢油区域的目的.将仿真结果与传统分割结果进行了比较,比较结果表明了该方法在选取阈值进行图像分割方面要优于其它算法.     

基于小波包变换与自适应阈值的SAR图像去噪

针对SAR遥感图像在探测、传输过程中受到噪声干扰,不利于对其进行处理的问题,提出一种基于小波包和自适应阈值的SAR图像去噪方法.该方法采用小波包对SAR图像进行分解,与传统的小波分析相比,小波包分析能够提供一种更加精细的分析方法;然后采用自适应阈值的方法去除SAR图像中的噪声.实验结果表明,该算法能有效去除SAR图像中的噪声,在信噪比和主观视觉上都要优于小波去噪的方法.     

基于特征块与小波变换的图像拼接算法

为了改进现有的基于灰度的图像拼接方法速度过慢的缺点,综合考虑了图像拼接过程中速度与精度两个因素,提出了一种基于小波变换和特征块的图像拼接算法.该算法对图像进行小波变换,在高频信号上利用简单边缘阈值法提取特征块,在低频信号上进行配准,并根据低频图像配准位移完成原始图像的配准.最后将实验结果与传统的基于灰度的图像拼接方法进行比较,结果表明了该算法在保证图像拼接精度的同时,大大提高了图像拼接速度.     

基于纹理的SAR图像居民地信息提取

研究了利用纹理特征来实现居民地专题信息的提取.首先用增强FROST滤波算法对SAR图像进行去噪处理.然后基于灰度共生矩阵实现纹理特征的提取,结合实际现状筛选出较好的纹理特征图像.最后将各图像进行波段组合实现非监督分类.实验结果表明:基于纹理特征来提取SAR图像中的居民地信息是可行的,效果较理想.     

一种自动特征提取的SAR图像水华识别方法

针对SAR图像水华识别中人工提取特征效率低的问题,提出了一种自动特征提取识别方法.该方法应用改进的K-means算法提取SAR图像暗斑,利用数据增强算法扩充暗斑图像集,并基于对水华暗斑图像特征的深入分析对DenseNet网络结构进行改进,以实现对水华暗斑与非水华暗斑更有效地识别区分.以太湖数据集作为实验数据,该方法获得了87.30％的总体精度,这一结果表明自动特征提取识别方法对于SAR图像水华识别的有效性.