基于同质像素预选择的极化SAR图像非局部均值滤波

该文针对在极化合成孔径雷达(PolSAR)图像相干斑抑制过程中结构特征和极化散射特性保持的难题,提出一种基于同质像素预选择的非局部均值滤波算法(NLM-HPP)。该算法结合像素统计特性和极化散射机制选择滤波同质像素,并引入结构损失函数提高非局部均值(NLM)算法中像素间相似性度量的准确性,最后用改进的相似性度量对同质像素的协方差矩阵进行加权平均,实现对PolSAR图像的相干斑抑制。对真实PolSAR数据进行的实验结果表明,与现有的Refined Lee滤波、基于散射模型的滤波方法和两种非局部均值滤波相比,此方法在有效滤除相干斑点的同时能更好地保持PolSAR图像的结构信息和极化信息。     

结构保持的双边滤波极化SAR图像降噪

针对极化合成孔径雷达(Polarimetric Synthetic Aperture Radar, PolSAR)图像相干斑抑制时结构保持的难题,该文提出一种PolSAR图像的双边滤波算法:结构保持的双边滤波(SPBF)。该算法通过结合边缘结构特征和地物散射特性,增强对PolSAR图像结构信息的描述,减少滤波时图像结构信息的损失,实现滤波性能的提高。该算法首先使用边缘检测模板在极化总功率图像(Span)上提取边缘方向,实现自适应选择滤波方向窗;其次,采用Freeman-Durden分解获取像素的散射机制,并根据极化数据的统计分布特性获取地物散射的聚类标记;最终在所选的方向窗中,以聚类标记图为掩膜,利用改进的双边滤波算法对PolSAR数据进行相干斑抑制。真实SAR数据的实验结果表明,该方法能够有效抑制相干斑噪声,同时提高了对图像的边缘、强点目标和极化散射特性的保持能力。     

采用混合特征相似性的极化SAR图像降噪算法

针对极化合成孔径雷达（Polarimetric Synthetic Aperture Radar,PolSAR）图像在相干斑抑制过程中面临的结构信息和极化散射信息保持的问题,通过分析PolSAR图像的结构特性和极化特性,建立一种结构特征提取方法,并提出一种采用混合特征相似性的极化SAR图像降噪算法.该算法将图像的结构信息和极化散射信息与降噪过程相融合,能够在抑制相干斑噪声的同时,实现降噪后图像的结构信息和极化信息的有效保持.实测机载极化SAR数据的实验结果验证了算法的有效性.     

基于极化干涉相似性参数的四元素分解

该文针对传统极化合成孔径雷达(PolSAR)分解方法过高估计植被成分的问题,提出一种基于极化干涉相似性参数(PISP)的极化干涉分解方法。利用极化干涉合成孔径雷达(PolInSAR)的3组最优相干散射机制定义的PISP具有对地表散射体空间分布敏感的特性和旋转不变性。该文基于PISP的物理意义对植被模型进行改进,使利用该模型分解相干矩阵得到的不同地物体散射功率具有自适应性。最后利用欧空局(DLR)E-SAR获取的L波段全极化干涉数据验证该分解方法的有效性,实验结果表明,该算法得到的分解结果能有效区分植被和建筑物。     

基于体散射约束的极化SAR相干变化检测方法

相干变化检测(CCD)利用场景中变化区域的失相干特性进行检测,而场景中存在的体散射植被区域及低信噪比区域也呈现低相干特性,对待检测变化区域形成干扰。该文提出一种极化SAR CCD方法,首先利用变化前后SAR图像间的极化相干信息建立加权迹相干统计量,然后利用各个SAR图像内极化通道间的相干信息,通过建立混合GEV分布模型,采用改进EM算法求解各分量参数,建立体散射约束项,最后结合散射功率变化约束项构建极化CCD检验统计量。该方法可在不影响检测性能情况下排除干扰。该文采用变化前后的两幅L波段全极化SAR图像进行方法验证,实验结果及指标参数验证了该方法的正确性与有效性。     

超高分辨率PolSAR图像去噪对极化特征的影响

随着超高分辨率极化合成孔径雷达(PolSAR)图像数据的出现,有必要对PolSAR图像的去噪过程对于极化分解结果的影响进行评测。相干斑去噪过程的实施将对观测场景中的PolSAR图像原有极化属性产生不同程度的影响,这将会导致分解结果出现偏差。以非相干分解模型为评估对象,以喷气推进实验室(JPL)提供的开源机载超高分辨率PolSAR系统数据为实验样本,提出了一种利用绝对相对误差的定量评测方法。评测结果显示：对于超高分辨率图像,相干斑噪声的影响明显变小,分解窗口可相应的缩小为7×7的尺寸。研究结果对于PolSAR图像的后期遥感应用中的参数选择具有重要参考意义。     

多特征分类的PolSAR图像飞机目标检测方法

针对目前有关极化合成孔径雷达(Polarimetric Synthetic Aperture Radar, PolSAR)的飞机目标检测算法虚警较多、自适应性较差的问题,给出一种复杂大场景中PolSAR图像多特征分类的飞机目标检测方法。该方法分为线下分类器训练和飞机目标检测两部分。使用Filter特征选择结合穷举法筛选出分类性能高的飞机极化特征训练SVM (Support Vector Machine, SVM)分类器;利用异化散射功率提取疑似飞机目标,进一步提取多个极化特征送入SVM分类获得检测结果。利用UAVSAR系统采集的多幅实测数据进行实验,并与现有的PolSAR图像飞机目标检测算法进行对比,结果表明该方法能够有效检测出飞机目标,并且虚警和漏警较少,方法自适应性有所提高。      

改进的极化SAR点散射目标扰动滤波检测方法

为完成极化合成孔径雷达(PolSAR)图像中点散射像素目标的检测,从几何扰动滤波检测点散射像素的基本原理出发,分析了经典方法存在的相干度参数阈值无法自适应获取和不同散射机制共享同一阈值两个问题,提出利用Cloude-Pottier分解结果中熵参数的分布情况计算得到阈值,利用平均阿尔法角参数完成不同散射机制的初分类,对初分类的结果排序得到的某种散射机制对应的相干度参数的比例因子,根据比例因子计算得到该类散射机制的阈值,从而完成点散射目标的检测。对机载合成孔径雷达（AIRSAR）数据集中的San Francisco Bay图像进行了实验,结果表明,改进方法在检测性能上优于经典方法。     

多角度极化SAR图像散射特征建模及其应用

本文将基于条带观测模式的极化SAR散射模型拓展至方位向多角度观测模式,基于典型极化散射类型组合提出一种非各向同性散射特征模型。该模型参数纬度多且随方位向观测变化,需要替代性方法提取多角度极化散射特征。首先,采用基于Wishart分布的统计量对非各向同性散射中心进行检测,并逐像素生成基于散射特征差异的新序列图像。其次,以新序列图像作为处理对象,提取极化似然比序列、子孔径角度序列、极化熵—似然比序列、极化散射角—似然比序列、极化各向异性度—似然比序列。最后,集成特征序列编码及支持向量基（SVM）方法进行分类。通过机载P波段极化SAR开展360°观测试验,验证了方法的有效性并揭示出在地物分类方面的应用潜力。      

一种改进的多视极化白化滤波算法

针对极化合成孔径雷达(PolSAR)图像的相干斑抑制问题,提出一种快速有效的多视极化白化滤波改进算法。该算法在分块加权法的块处理基础上,采用边缘检测模板对非同质类子块进行二次分类,从而提高了多视极化白化滤波(MPWF)算法的参数估计精度。利用美国宇航局喷气推进实验室(NASA/JPL)的AIRSAR系统实测数据进行了实验,实验结果表明文中方法不仅在斑点抑制效果和运算量上优于MPWF,而且有效地克服了分块处理带来的边缘模糊问题。     

基于加权合成核与三重Markov场的极化SAR图像分类方法

马尔可夫随机场(Markov Random Field,MRF)广泛用于处理遥感图像的分类问题,然而MRF在构建极化合成孔径雷达(Synthetic Aperture Radar,SAR)图像模型时未考虑其非平稳特性且对初始分类较为敏感,为此本文提出了一种基于加权合成核与三重马尔可夫随机场(Triplet Markov Field,TMF)的极化SAR图像分类方法.该方法依据训练样本在特征空间上的距离,提出了加权合成核函数权重系数的自适应确定方法以提高初始分类的精度和普适性;为充分考虑极化SAR图像的非平稳统计特性,利用TMF对极化SAR图像进行统计建模以实现贝叶斯分类.实验结果表明,与基于MRF的极化SAR图像分类方法相比,本文所提方法可获得更高的分类精度和更平滑的同质区域分类结果,而且本文方法能更好地保持图像边缘信息.     

基于高分辨率全极化SAR图像的取向角校正方法

城市地区极化分解对于监测城市扩张速度并研究其对生态环境的影响非常重要。全极化合成孔径雷达(PolSAR)允许我们使用极化目标分解方法来检测地物散射机制,是一种对城区变化进行监测的手段。然而,目标的极化方向角(POA)会影响极化分解结果,导致体散射过估等问题,使得极化分解结果不能正确地体现目标的散射机理。传统的去取向方法只对主导极化方向角较小的地区起到去取向的作用,对取向角较大区域没有明显的效果。该文针对以上问题提出了一种基于高分辨率城市区域图像的POA校正方法。首先,高分辨率图像中城市建筑区域的POA会因为地物变化出现跳变的现象,可以利用POA的随机性对城市地区的范围进行估计。其次,使用线性逼近方法来获取城区中使交叉极化项最小的POA。利用该文提出的POA校正算法,可以使取向角导致的误分解问题得到缓解,提高分解结果的准确度。该算法使用2009年于四川都江堰地区获取的机载X波段全极化数据进行验证,得到了明显的改进结果,城市区域的体散射分量得到了显著的提升。      

基于差异度的极化SAR相干斑抑制效果评估

相干斑抑制是极化SAR图像解译和信息提取的基础。针对采用极化特征图对极化SAR图像相干斑抑制算法极化信息保持能力定性评估的不足,本文提出一种基于差异度的相干斑抑制效果评估方法。该方法通过比较相干斑抑制前后目标区域的差异度,实现相干斑抑制算法对目标极化信息保持能力的定量评估。在评估过程中采用分别先对目标区域内每个像素做差异度后求平均的方法,代替传统的先将目标区域内像素K矩阵求平均后求极化特征图的方法,避免了先对各个像素做平均带来的二次估计。对通过极化特征图判断性能接近的不同相干斑抑制算法,得到更为精确的评估结果。最后选取三类典型相干斑抑制算法,分别对仿真数据和实测ESAR数据中的面目标和点目标进行评估,验证了方法的有效性。      

基于多层神经网络的中分辨SAR图像时间序列建筑区域提取

为提高合成孔径雷达(Synthetic Aperture Radar, SAR)图像时间序列建筑区域提取的准确率和稳定性, 该文结合时间序列图像的特点, 提出了一种基于多层神经网络的建筑提取方法。该方法使用单幅SAR图像进行样本的粗略标记, 并从经过直方图规定化处理后的时间序列图像中获得大量样本。通过单幅SAR图像生成的少量样本确定网络的深度, 并从时间序列生成的样本中筛选出具有更高质量的样本作为最终模型的训练样本。利用数量大且质量高的训练样本学习得到模型参数。使用包含38幅25 m分辨率ENVISAT ASAR图像的数据集进行两组对比实验, 实验结果中该文方法的最低准确率和最低Kappa系数分别90.2%和0.725, 均高于其它3种传统方法, 算法的稳定性以及准确率都有显著提高。此外, 该方法还具有人工操作少、推广性强、训练高效等优点。      

（英）集成颜色特征和统计特征的极化SAR图像城区分类框架

在传统的利用极化合成孔径雷达(PolSAR)遥感图像分类中,除了近期一个有监督分类的工作,很少涉及颜色特征。与该工作不同,在本文中,针对城区分类,利用颜色特征构造一个新颖的无监督的分类框架。首先,基于最近提出的PolSAR数据的四分量分解模型,计算了常用的颜色空间：YUV,RGB,HSI和CIELab,通过引入颜色熵量化的选择颜色特征,然后,联合纹理特征和扩展的散射功率熵,用自适应的均值漂移算法分割PolSAR图像,最后,根据基于G0分布的距离测度合并聚簇为较为匀质的地物类别。通过L波段AIRSAR数据和C波段Radarsat-2的PolSAR数据验证了提出算法的有效性,分类正确率表明,相比于已有的工作,提出的算法对于城区有较好的区分能力。     

基于半监督学习的SVM-Wishart极化SAR图像分类方法

该文针对极化SAR (Synthetic Aperture Radar)图像分类中的小样本问题,提出了一种新的半监督分类算法。考虑到极化SAR数据反映了地物的散射特性,该方法首先利用目标分解方法提取了多种极化散射特征;其次,在协同训练框架下结合SVM分类器构建了协同半监督模型,该模型可以同时利用有标记和无标记样本对极化SAR图像进行分类,从而在小样本时可以获得更好的分类精度;最后,为进一步改善分类结果,在协同训练分类完成后,该方法又利用Wishart分类器对分类结果进行修正。理论分析与实验表明,该算法在只有少量标记样本的情况下优于传统算法。      

一种面向对象的时间序列极化SAR图像变化检测方法

提出了一种改进的时间序列极化合成孔径雷达(SAR)图像变化检测方法。该方法首先使用简单线性迭代聚类算法对时间序列极化SAR图像进行过分割,得到时间序列图像的超像素一致表达。然后对各个超像素进行时间序列上的任意双时相交叉变化检测,得到包含时间序列图像变化信息的变化检测矩阵。最后根据变化信息对图像在时间序列上进行平滑滤波并生成动态变化图,对地物变化情况进行分析。实验结果表明,文中方法能够有效地检测和分析时间序列极化SAR图像的变化情况。     

散射模型与Wishart分类相结合的极化SAR图像分类

给出了一种散射模型与Wishart分类相结合的极化合成孔径雷达(polarimetric synthetic aperture radar, PolSAR)图像非监督分类方法。首先利用去取向三分量散射模型进行粗分类,将像素划分为三种基本散射类型和混合散射类型;然后,在基本散射类型内根据占优散射机制的功率进行细分类,并根据Wishart距离对细分类的结果进行类别合并,合并到指定的类别数;最后对四种散射类型的像素分别重新进行Wishart迭代,从而实现极化SAR数据的非监督分类。利用美国AIRSAR机载系统采集的实测数据进行实验,并且同已有分类方法进行比较,结果表明本文方法改善了分类效果,且降低了体散射过估计。