基于Q-Shift双树复小波的SAR图像相干斑噪声抑制

在复杂的SAR相干成像过程中,SAR图像会受到相干斑噪声影响,传统的图像去噪方法不能对相干斑噪声进行有效抑制,从而会严重影响SAR图像目标的提取和识别。针对SAR图像的特点,提出一种基于Q-Shift双树复小波变换（DT-CWT）的SAR图像相干斑噪声抑制方法。该方法利用Q-Shift双树复小波变换的平移不变性、多方向选择性、滤波器结构对称性等优点,对含有特征目标的含斑SAR图像进行小波系数分解,来获得更多的目标高频信息。然后通过对小波系数建模和图像重构,得到去斑SAR图像。试验结果表明,该方法对含有特征目标的SAR图像相干斑噪声有抑制效果,而且能够更好地保留图像细节和目标特征。     

SAR图像相干斑抑制方法综述

由于SAR是相干成像系统,在获取SAR图像时会含有相干斑噪声,使得SAR图像的解译,理解变得困难,因此有必要对SAR图像的相干斑进行抑制;首先介绍了相干斑的形成机理,之后对多视处理技术、空域滤波技术、变换域滤波技术和非局部均值滤波技术进行总结,在简要介绍各种方法的来源、理论基础和发展的基础上对比了各自的优缺点,最后展望了SAR图像相干斑抑制研究领域的进一步发展方向.     

SAR图像与可见光图像融合的建筑物提取算法

提出了一种基于SAR图像和可见光图像融合的建筑物提取算法,由SAR图像提供建筑物的可能方位信息,由可见光图像提供建筑物提取所需的视觉特征。该算法充分利用建筑物在2幅已配准的SAR图像和可见光图像中所表现的共性和互补特征,采用边缘匹配和感知组合的方法提取建筑物的轮廓,在可见光图像中采用屋顶灰度均匀性特征进行建筑物验证。实验结果表明,本文算法具有较好的检测效果。     

基于感知编组的SAR图像建筑物检测算法

针对合成孔径雷达(SAR)图像自动解译的需求,研究了高分辨率的SAR图像建筑物检测技术。由于人造目标按照某种方式有组织的构成,而机器视觉可以模拟人类视觉的感知编组能力获取图像的相关组织和结构,并可以根据特定的准则将提取到的图像特征编组成为更高层的结构,利用该特性,将感知编组方法用于检测建筑物,通过边缘检测和霍夫变换提取直线段基元,结合感知编组和建筑区在SAR图像上表现的亮度特征,提出了一种平行适应度函数辅助建筑物检测。基于对实测SAR图像的实验结果表明,该检测算法可靠,定位准确,并能有效地降低虚警率。     

基于相位一致性的SAR图像边缘检测

由于相位一致性具有光照条件变化和对比度变化的鲁棒性,能够为大多数图像确定1个通用的阈值,且其检测特征的原理与人类视觉系统对图像特征的认知一致,因此本文采用一致性对SAR边缘进行检测。通过将原图像与二维滤波器卷积求取图像相位的一致性,其中使相位一致性达到最大的点即为图像的边界点。试验结果表明:相较传统的基于梯度的检测算子,相位一致性能获得更加丰富和精确的SAR图像边缘信息。一致性图像边缘较为扩散,存在较多的伪边缘,后续采用了非极大值抑制和自适应双阈值法细化边缘和去除伪边缘。     

基于二维本征模态函数的 SAR 图像目标检测

合成孔径雷达（SAR）成像具有其独特的优势,能全天时全天候获取目标区域遥感数据,但是其成像机理复杂,获得的 SAR 图像解译困难。从 SAR 成像回波特点出发,结合二维经验模态分解（BEMD）理论,提出了一种基于二维本征模态函数（BIMF）的 SAR 图像目标检测算法。采用仿真和实际的 SAR 图像数据进行了验证实验,实验结果表明,利用融合的 BIMF 特征分量检测目标,其效果优于直接用原始 SAR 图像进行目标检测,并且对不同信噪比的 SAR图像,具有较强适应能力。     

基于形态学和直方图分析的多源图像目标分割算法

提出了一种兼具形态学和直方图分析方法优势的多传感器图像目标分割算法。首先根据图像内在属性用指定直方图方法进行图像增强,利用图像区域直方图统计描述子特征进行目标区域检测;然后分别对红外图像应用形态学重构,对激光雷达图像应用局部阈值法进行目标轮廓估计,再将各传感器图像获得的兴趣区域进行交叉验证,排除背景干扰;应用动态边缘演化技术最终确定目标边缘。对复杂场景的多传感器图像测试表明,该算法较好地保留了目标的形状特征,是一种有效的多目标分割算法。     

前视红外图像中海岸线与海天线的通用检测方法研究

海岸线与海天线检测作为前视红外成像型反舰导弹末制导技术中的关键技术,通常会受到岛岸、云层、亮带、条状波浪等多种因素干扰。为解决这一问题,提出了一种海岸线与海天线的通用检测方法。对原始图像构建积分图像,采用箱式滤波器来增强海岸线与海天线的边缘特征;逐行滑动统计矩形区域内像素的梯度显著性来确定海岸线与海天线潜在区域,通过潜在区域内逐列寻找显著性最大值点,并对所有的最大值点进行多项式迭代拟合,获得海岸线与海天线的准确位置;基于实际采集的前视红外海面场景图像对该方法进行了验证和分析。结果表明,通用检测方法能够克服岛岸、云层、亮带、条状波浪等复杂背景的干扰,实现海岸线与海天线的检测,场景适应性强,实时性好。     

基于改进YOLOv3的合成孔径雷达图像中建筑物检测算法

传统合成孔径雷达（SAR）图像中建筑物检测算法主要是在特定场景下通过人工提取特征进行特定类别的建筑物检测,存在平均检测精度不高、检测效率低的问题,为此提出一种基于改进YOLOv3的SAR图像中建筑物检测算法,通过深度学习实现建筑物的自动检测。制作SAR图像中建筑物数据集,针对建筑物的尺寸特点,通过改进的K均值聚类算法重新设置先验框大小;在结构上借鉴深度神经网络的聚合残差转换思想,将YOLOv3骨架网络中用于构建特征层的单路卷积残差模块改进为多路卷积残差模块,提高通道信息利用率的同时降低计算量;加入浅层特征融合模块,增加特征图中建筑物的形状特征所占比重,在特征融合层之前,使用转置卷积进行上采样,增加细节特征;使用改进YOLOv3算法进行建筑物检测模型的训练,并在测试集上进行测试。实验结果表明,相比原始YOLOv3算法,改进YOLOv3算法在SAR图像中建筑物数据集上平均检测精度提高了9.2%,召回率提高了6.3%,同时保持了较快的检测速度。     

基于红外图像差值图的模糊边缘检测方法

针对红外图像边缘检测这一难题,提出了一种基于红外图像差值图的模糊边缘检测方法。首先通过计算图中每个像素点与其邻域8像素点灰度值的差值,然后寻找这些差值的最大值得到图像的差值图,接着对差值图像的边缘区域和平滑区域进行模糊划分,利用差值直方图模型确定红外图像差值图的分割阈值,从而实现边缘提取。实验结果表明,该方法用于红外图像边缘检测能获得较好的效果。     

基于高速数字图像相关法的疲劳裂纹尖端位移应变场变化规律研究

应用高速摄像数字图像相关法研究了谐振式疲劳裂纹扩展试验中紧凑拉伸（CT）试件在高频正弦交变载荷作用下,裂纹稳态扩展阶段裂纹尖端区域位移和应变场的变化规律。采用数字化高速摄影设备采集系列正弦交变载荷作用下CT试件数字散斑图像,应用数字图像相关(DIC)法计算每幅图像裂纹尖端区域位移和应变场,对裂纹尖端区域特征点的位移、应变值采用最小二乘正弦拟合方法进行拟合,求出振幅、相位、平均载荷等特征量,将拟合出的应变或位移正弦曲线和所对应的系列散斑图像进行匹配,找到一个应力循环内特征位置的图像。使用动态高精度应变仪测量了CT试件在一个应力循环内裂纹尖端点应变值,试验结果表明,DIC应变测量最大误差为4.12%,验证了所提出DIC测量方法的可行性。在此基础上,进行了基于高速DIC方法的谐振式疲劳裂纹扩展试验,研究了疲劳裂纹未扩展时裂纹尖端应变幅值和疲劳循环次数的关系及疲劳裂纹扩展到不同长度时裂纹尖端区域位移和应变场的变化规律。     

基于梯度图像法的激光雷达图像融合滤波算法

为了有效消除激光雷达图像斑点噪声的干扰,针对单一滤波算法的不足,提出一种基于梯度图像法的激光雷达图像滤波融合算法。分析激光雷达图像的噪声特点,综合Lee滤波和小波滤波的优势,该算法利用图像的梯度图像来判断斑点噪声隶属于信号区域还是边缘区域,在边缘点采用小波阈值滤波的结果,在信号区域选择Lee算法的结果达到最好的滤波目的。仿真试验的结果表明:该算法具有很强的散斑噪声抑制能力,能够在噪声滤波和图像信息保持2个方面都能达到很好的效果。     

基于BPT分割的SAR与可见光图像配准方法

提出一种基于BPT(二叉划分树)分割的SAR图像与可见光图像的配准方法,利用BPT的分层区域合并法将图像分成不同灰阶的ROI(感兴趣区域),分别提取重心当作控制点,然后采用独立距离作为相似性测度进行进一步的精校正,最后选择多项式模型以及双线性插值法进行匹配。实验表明:该算法较传统的边缘检测方法提取区域重心省去很多后续的形态学处理工作,具有更准确的定位,达到手动配准的精度。     

一种快速识别形体巨大目标的方法

提出了一种从灰度图像中识别形体巨大的目标的方法。此方法先计算灰度图像的梯度值，再对梯度图像进行二值比，对二值化后的图像先后进行腐蚀和膨胀操作，然后对所得到的图像进行区域分割，从得到的区域中找到目标区域。     

一种基于最小模糊熵遗传算法的SAR图像分割方法

在合成孔径雷达（Synthetic Aperture Radar）自动目标识别中，图像分割的好坏直接影响目标的识别性能。本文在最大模糊熵分割方法的基础上，根据图像目标和背景内部像素灰度值的一致性和集中性，提出了一种新的图像分割隶属度函数，从而得到最小模糊熵分割方法，然后将最小模糊熵作为遗传算法的适应度函数应用于SAR图像，进行全局快速的最优阈值寻找。实验结果表明，由于最小模糊熵的抗噪能力强，将其作为遗传算法的适应度函数后，能够更有效地克服SAR图像中的乘性噪声，分割后的噪声点明显减少，图像目标清晰，分割效果明显优于最大模糊熵分割方法。