探究面向对象的高分辨率SAR影像变化检测方法

结合高分辨率SAR影像变化检测方法,在了解检测变化方法基本内容的基础上,并对其中的关键指标进行了分析与评价;最后,对于面向对象的高分辨率SAR影像变化检测方法进行了详细研究。总体而言,文章所介绍的SAR影像变化检测方法具有可行性,能够满足多种条件下的影像变化检测要求,因此应该在更多地区做进一步推广。     

基于词包模型的高分辨率SAR 图像变化检测与分析

该文面向高分辨率SAR 图像解译中的变化检测问题,针对其研究现状与难点,重点解决高分辨率SAR图像变化检测中的语义信息缺失问题,提出一种基于词包模型的变化检测与分析的方法。该方法利用词包模型,对两个时相的图像做词包表征,将视觉直方图的差作为变化向量进行分析。由于变化向量包含有语义信息,因此可通过对其分析,结合像素级变化结果,实现对变化区域的语义分析及感兴趣变化类型检测。经实验验证,该框架对高分SAR 影像变化语义分析具有应用前景。      

结合邻域信息自适应优化的SAR图像变化检测

为提高SAR图像变化检测的精度,本文提出了一种邻域信息自适应优化及差异图融合的SAR图像变化检测算法。该算法首先根据邻域信息异质性计算像素点的自适应窗口生成自适应的对数均值比差异图像,充分抑制噪声影响;其次,将其与差值图加权融合,保留了图像的细节部分;最后,利用基于邻域隶属度约束的FCM聚类算法对融合后的差异图像进行分类。实验结果表明,该方法有效抑制了噪声对结果的影响,提高了变化检测的精度。     

基于分段的非监督SAR图像变化检测

本文提出一种基于分段的变化检测方法,该方法首先实现全局最优的图像分段,再根据位置信息产生最佳的变化检测分段图像,最后根据图像灰度和纹理信息对图像进行变化检测,利用合成孔径雷达(SAR)图像进行的实验表明了该方法的有效性.     

一种基于小波变换的SAR图像多尺度融合变化检测方法

提出了一种针对多时相SAR图像变化检测的基于小波变换的多尺度融合检测方法,首先对多时相SAR图像取对数比得到变化比图像,然后对变化比图像进行多尺度小拨变换和低频重构,并对每个尺度的重构图像做自适应闻值变化检测,计算出每个像素的最优分解尺度,最后基于最优尺度完成像素的融合检测,利用像素的最优分解尺度融合多尺度的检测结果性提高变化区域边界像素检测的准确性,通过仿真SAR图像和真实SAR图像的检测实验证明了该方法的有效性.     

基于Memetic算法的SAR图像变化检测

提出了一种无监督SAR图像变化检测算法,利用数据聚类思想,通过进化算法寻找最小均方误差,得到变化检测结果.在原有Memetic算法基础上,针对图像自身特点,提出全新的搜索策略并根据当前检测结果动态调整局部搜索算法,实现了粗细结合的搜索过程.算法不受分布模型限制,不需要先验知识,适用性较强.将改进的算法与GA、ICSA及原MA进行比较,实验证明,该算法可以快速收敛.对真实SAR图像进行检测,可以得到较好的检测结果.     

结合强度和相干信息的多阈值融合SAR影像变化检测

本文研究了联合SAR影像强度与相干信息的多阈值融合变化检测技术。针对SAR影像强度和相干信息各自统计分布特点,首先通过选定合适的统计分布模型分别对强度和相干信息进行统计分布拟合,并以Jeffrey距离为差异度量获取两种信息的差异图。然后利用三种阈值方法分别对两者的差异图进行阈值分割,获得多幅初步的变化结果图。最后利用马尔科夫随机场进行融合,得到最终的变化检测结果。实验结果表明该融合策略可以获得比单一阈值法更为稳定的变化检测结果。      

基于邻域信息的SAR图像变化检测

为了减少合成孔径雷达(SAR)图像中乘性斑点噪声对变化检测结果的影响,充分地利用了像素的邻域信息。首先使用邻域比值(NR)方法构造差异图像,然后提出基于邻域信息的模糊C均值聚类(FCM)算法。NR算子在构造差异图像时能够较好地保留图像信息并抑制噪声的干扰。同时将邻域信息引入到FCM算法的目标函数,以邻域加权距离改进了FCM算法在欧式距离计算中的不足,并约束了隶属度函数,减少了噪声对邻域中心像素的干扰。通过以上考虑像素邻域信息的算法,得到了差异图像的聚类结果,从而实现了SAR图像的变化检测。实验结果表明,所提算法较传统的FCM和K-means聚类算法,可以较好地保留图像变化区域的信息,同时提高了SAR图像变化检测的准确度。     

机载SAR雷达实时图像变化检测的实现

本文针对某机载雷达图像实时变化检测系统工程实现,阐述了SAR图像变化检测原理和表征形式,分析了机上实时变化检测实现流程和处理方式,并给出了考核方法和飞行试验成果,最后对该系统的应用前景进行了分析和总结。     

基于MRF模型的SAR图像变化检测研究

SAR图像变化检测可以广泛应用于国民经济和国防建设的很多领域,已成为遥感领域中研究的热点之一.现有的SAR图像变化检测算法在变化检测过程中仅仅考虑不同时相图像数据的单一像素信息,未考虑图像像素间的空间依赖关系,检测结果易受SAR图像噪声的影响,检测精度很低.文中将能够描述图像相邻坐标之间状态的依赖关系,表达图像局部统计特征的MRF模型引入到SAR图像变化检测算法中,实验结果表明,该算法极大地提高了检测精度,且对图像噪声有很强的鲁棒性.     

基于相干法与非相干法的SAR图像仿真

地面目标合成孔径雷达图像仿真方法可分为相干法与非相干法2类,相干法能表现出目标的电磁散射特征但阴影特征缺失,非相干法对目标的几何与阴影特征表现较好但其表现电磁散射特性的能力欠佳.文中在分析了上述2类方法特点互补性后提出了一种新的仿真方法,新方法所得合成孔径雷达仿真图像能同时表现目标电磁散射特征和阴影特征,与同参数条件下实测图像更为相似.     

高分辨SAR 图像中桥梁目标的自动分割

作者沿图像边缘检测的思路，在研究SAR图像特性的基础上，提出了一种高分辨SAR图像中桥梁目标的自动分割算法，同时提出了一种新的类矩形区域的中轴线搜索算法，使得桥梁目标的图像分割更为方便，并取得了良好的检测效果。     

高分辨率星载SAR单视图像斑点噪声抑制实现方法

本文提出了实现高分辨率星载合成孔径雷达单视图像斑点噪声抑制的TDRGMAP方法.它以最大后验概率滤波器实现斑点平滑,以无偏修正使其适用于单视图像,结合边缘和线条检测,并加以点目标检测及保持,获得高空间分辨率和高辐射分辨率的SAR单视图像.本文详细阐述了TDRGMAP方法的机理和实现,最后利用仿真生成的星载SAR单视图像进行实验,证明了TDRGMAP方法的有效性.     

基于目标相干性表征差异的多波段SAR相干变化检测方法

相干变化检测(Coherent Change Detection, CCD)利用变化前后SAR图像间的相位相干性检测场景中发生的微小变化。传统的CCD方法由于对目标探测尺度单一,难以区分场景中目标变化区域与低相干干扰区域。多波段SAR对目标进行多尺度探测,依据电磁波对目标的穿透特性、目标的结构特性以及目标发生的变化尺度形成不同的相干性表征。该文据此提出一种多波段CCD方法。该方法先分别获取各个波段的相干变化差异图,然后依据目标的多波段相干性表征使用改进的期望最大化(Expectation-Maximization, EM)算法对场景分类,接下来根据少量监督样本确定目标变化类别,最后用Dempster-Shafer (DS)证据理论处理,获取多波段融合相干变化差异图。该结果可有效排除各个单波段存在的低相干干扰,达到降低虚警概率的目的。该文采用变化前后的L波段与P波段重轨SAR数据进行方法验证,实验结果与指标参数证明了该方法的有效性与正确性。      

利用多尺度融合的SAR图像变化检测方法

为充分利用图像的细节信息,提高变化检测算法的鲁棒性和稳健性,本文融合了多个尺度间的特征,提出了一种自适应SAR图像变化检测方法。首先采用小波函数对对数比差异图进行多尺度分解,而后采用独立重构的方式,得到不同尺度下的重构图像。接着采用均值循环迭代分割算法,以甄别变化区域与未变化区域。最后将不同尺度下的判别结果,采用马尔科夫随机场融合的方式,来获取最终的变化二值图。通过对不同尺度下的图像进行融合,该方法不仅有效地利用了尺度信息,而且对边缘的检测更加细致。实验结果表明该算法能够有效地提高SAR图像变化检测的精度和鲁棒性。      

利用双窗口检测和粒子滤波提取高分辨率SAR图像道路中心点

各种干扰、阻塞以及遮挡的存在使得高分辨率合成孔径雷达图像道路提取异常困难。该文提出一种局部检测和全局跟踪相结合的道路中心点提取方法。在局部检测时,设定内外双窗口,外窗口根据护栏、绿化带等干扰物与道路的边缘呈现一致的方向性,采用非线性结构张量获取该区域内的道路方向;内窗口根据方向结果调整转向,搜索道路区域,进而确定道路的宽度及中心点。在全局跟踪阶段,为克服路上阻塞及路旁建筑物遮挡造成跟踪频繁失败的影响,采用粒子滤波器变步长跟踪的策略。使用1 m机载高分辨率SAR图像进行实验,结果证明该方法的有效性。     

二进小波增强与边缘局部信息FCM的SAR图像变化检测

合成孔径雷达图像中固有的相干斑噪声往往导致变化检测结果中存在大量虚警与漏警。针对这一问题,本文提出一种利用二进小波增强与边缘局部信息模糊C均值的变化检测方法。首先利用二进小波对对数比差异图进行自适应增强,平抑噪声的同时均衡灰度分布;然后,利用指数加权均值比算子对差异图进行边缘信息提取,修正局部信息模糊C均值算法中邻域窗内像素点权值,使邻域窗滑动至变化区域的边缘部分时能够对噪声切向平抑,保留细节信息。最后对差异图进行分割,得到变化检测结果二值图。仿真与实测数据实验结果表明,本文方法能够有效抑制相干斑噪声,同时对变化区域的细节保持效果较好。      

基于模糊聚类的SAR图像变化检测

利用两种模糊聚类算法即模糊C均值聚类(FCM)和Gustafson Kessel聚类(GKC),对SAR图像进行变化检测。差异图是根据不同时相图像的灰度值得到的,为了验证算法的有效性,实验选用两个不同地区的多时相图像,实验结果比较现存的马尔科夫随机场(MRF)和神经网络算法,不但耗用时间短,而且无需变化类和未变化类像素的任何先验分布信息。     

一种新的高分辨率SAR图像相干斑噪声抑制算法

提出了一种新的基于小波变换对高分辨率合成孔径雷达图像相干斑噪声抑制的算法。首先从SAR图像相干斑噪声产生的机理出发，论述了通过传统的滤波方法在抑制高分辨率SAR图像的相干斑噪声时，损失了大量的边缘信息和纹理细节而采用小波变换降噪的优越性和必要性；其次论述了在小波域中如何利用高频局部的统计特性和分解尺度大小来选取滤波窗口尺寸进行滤波；最后通过实验结果说明了该方法比采用传统的固定窗来实现对高分辨率SAR图像的降噪、保留边缘信息和纹理细节有着更好的性能。