合成孔径雷达图像的特征选择

讨论了合成孔径雷达图像分类中常用的特征,并且通过对各特征的分析及对各种特征组合的测试,给出了快速选择有效的特征应遵循的原则。最后给出适合于合成孔径雷达图像城区分类的特征。     

基于马尔科夫分割的单极化SAR数据洪涝水体检测方法

我国是个洪涝灾害多发的国家,每年7月、8月份洪涝灾害时常发生。因此,实现洪涝受灾区域的水体快速检测对灾害救援和评估具有重要的意义。高分3号SAR卫星数据采用主动式对地观测技术,全天时、全天候成像的特点在洪涝减灾应用中具有明显的优势。以湖南省洪涝灾害区域快速检测为目的,该文提出基于高分3号单极化SAR数据的洪涝区域水体快速检测方法,包括SAR预处理,顾及SAR分布特性且保边缘的马尔科夫模型洪涝水体提取,基于SAR几何构象模型的阴影虚警干扰去除等步骤,并利用人工检测结果进行相对精度评价。测试结果表明,所提方法可以实现洪涝受灾区域的快速、精确提取。     

基于分等级对象语义图模型的复杂目标自动识别方法研究

目标自动识别是图像处理领域的研究热点。针对现有方法的不足,该文提出一种新的基于分等级对象语义图模型的复杂目标自动识别方法。该方法通过构建分等级对象语义图模型增强对目标与背景间、目标部件间语义约束的利用,引入置信对象网络统计局部特性,利用消息机制传递对象间相互影响,实现概率语义分析。训练中还将产生式和判别式方法结合,提高了目标识别的准确度。在自然和遥感部分目标类别数据集上的测试结果表明,该方法能完成对多种类型和复杂结构目标的识别和提取,具有一定的实用价值。     

基于空间语义模型的高分辨率遥感图像目标检测方法

该文提出一种基于空间语义模型的方法,用于高分辨率遥感图像复杂场景中典型地物目标的自动检测。该方法通过分割获取图像对象,引入主题模型统计对象的多维特征,提高了对象特性描述的精度。在此基础上,对图像中有意义的地物目标及它们之间的空间关系建模表达和定量计算,通过获取场景的语义解析树,辅助实现对复杂地物目标的准确提取和定位。在测试数据集上的实验结果表明,该文方法具有较高的智能化程度和较强的稳定性。     

基于图像匹配的星载遥感影像自动几何精校正算法

提出了一种新的基于匹配技术的自动几何精校正算法,可以解决遥感影像人工几何纠正方法精度差、效率低等问题。该算法基于控制点图像片与待校正影像匹配实现控制点自动选取,然后进行异常匹配检测剔除匹配错误的控制点,保证控制点选择的精确性,并最后对遥感影像实施精校正。同时,根据以往研究成果,提出了一种更加快速、有效的多判据匹配算法。以遥感影像（光学/SAR）实例进行验证,结果证明了该方法的有效性和鲁棒性。     

基于目标检测的SAR图像变化检测方法

SAR图像变化检测有着广阔的应用前景,但目前的方法普遍以精确的配准为前提,使其适用范围受到限制。针对人造目标在SAR图像上的特点,提出了一种基于目标检测的SAR图像变化检测方法。通过图像中的人造目标之间相对位置关系的相似程度确定图像的变化情况,以此来降低对图像配准精度的要求。实验表明该方法在很宽的配准精度范围内都可获得较满意的结果。     

基于MFF-GAN的图像集视觉总结

现有图像集视觉总结方法主要使用浅层视觉特征,或者直接应用已训练的卷积神经网络模型提取图像深层特征,选取的图像不具代表性。为此,分析并研究图像集视觉总结的图像特征表示方法,提出多特征图融合生成对抗网络(MFF-GAN)模型。该模型中的判别器通过多特征图融合的方式提取图像特征,使提取的特征能表示图像细节和高层语义信息,并在多特征图融合层后添加自编码网络对特征进行降维,避免特征维度灾难问题。NUS-WIDE数据集上的实验结果验证了M FF-GAN模型的有效性,并表明其能有效提升图像集视觉总结多样性。     

一种基于TSVM-MRF的变化检测方法

变化检测可以视为一个二分类问题,因而可以采用分类器实现变化检测。由于支持向量机没有考虑到各样本之间的空间约束,利用支持向量机分类得到的变化检测结果存在零碎噪声。为了解决这个问题,结合直推式支持向量机(TSVM)和具备上下文约束关系的马尔可夫随机场(MRF)进行变化检测。方法首先采用 TSVM 对样本进行训练和分类,接着将 TSVM变化检测结果作为 MRF 的输入,利用 MRF 方法进行二次变化检测。该方法将 TSVM 的训练学习能力和 MRF 的邻域特性相结合,在实验数据集下获得比一般方法更好的变化检测效果。     

纹理特征在SAR图像变化检测中的应用

城区变化检测可以提供大量关于土地利用和城市发展的信息,是变化检测技术的重要应用之一。根据合成孔径雷达(SAR)图像特点,针对城区环境的特定应用,提出了纹理差值变化检测方法。该方法采用纹理特征代替灰度信息来体现图像特点,并使用差值变化检测来获取城区变化情况。实验结果表明,对于大多数特征,纹理差值法获得了较高的变化检测正确率,检测性能有了大幅度的提高。     

基于脚点热度图和双向连接图的遥感影像建筑物提取方法

目前,大多数基于深度学习的遥感影像建筑物提取方法采用语义分割的方式,对遥感影像进行二分类预测。然而,该类方法没有考虑建筑物的几何特性,难以进行精确提取。为了更精确地提取建筑物,该文引入建筑物的几何信息,提出一种基于脚点热度图和双向连接图的建筑物轮廓提取方法。该方法为一种多分支的深度卷积网络,分别对建筑物的脚点以及脚点间的连接性进行预测。在其中一个分支中,预测建筑物的脚点热度图,并用非极大抑制算法得到建筑物的脚点像素坐标;利用另外两个分支预测脚点之间的正向连通性和反向连通性,并通过这种双向连接图对脚点间是否具有连接性进行判断,在将具有连通性的脚点进行连接后,可得到最终的建筑物轮廓。该文算法在Buildings2Vec数据集上进行了验证,结果表明该方法在遥感影像建筑物提取中具有一定的优越性。