复杂场景下的SAR图像水域边缘特征提取

合成孔径雷达(SAR)图像中的水域具有极高的遥感应用及地理应用价值;针对SAR图像固有的相干斑以及复杂场景下SAR图像水域边缘检测算法受到建筑物等人造地物强散射点干扰造成虚假边缘的问题,提出了复杂场景下SAR图像水域边缘特征提取方法;该方法通过构建SAR图像的二维灰度直方图对SAR图像进行预处理,一定程度抑制了相干斑噪声对边缘检测的影响,并在分析SAR图像中建筑物等人造地物与水域散射特性差异基础上利用二维灰度直方图对SAR图像进行分割,抑制强散射点;通过实验验证,该方法有效抑制了相干斑以及建筑物等人造地物强散射点的干扰,实现了复杂场景下的SAR图像水域边缘特征自动提取.     

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。     

基于多重分形的遥感图像融合检测方法

多重分形通过奇异指数和多重分形谱分别从局部和全局描述了图像的特征。研究了多重分形的定义及其计算方法,分别提取了SAR图像和可见光图像的4个多重分形谱特征。为了提高聚类分割精度,将图像的灰度特征和4个多重分形谱特征组成特征矢量,作为模糊C均值聚类的输入,对SAR图像和可见光图像进行了分割。多重分形谱特征从全局反映了图像的全局特征,为此,选取两幅图像的多重分形谱特征为依据,对可见光图像和SAR分割图像进行"折中"融合,减小检测的虚警和漏警率。实验结果表明,采用该方法能结合两幅图像各自的优势,有效提高检测的精度。     

一种基于小波变换的可见光与红外图像融合算法研究

为了解决可见光与红外图像所表现的目标特征不一致的问题,提出了一种红外与可见光图像融合算法.首先利用小波变换将图像进行多尺度分解,然后提取不同分辨率、不同方向下的小波系数,采用不同的融合算法构造融合图像对应的小波系数,最后利用该小波系数重构融合后的图像.实验结果表明,该算法在红外与可见光图像融合处理中取得了很好的融合效果,有效地将红外和可见光对同一目标所表现出不同的特征、细节融合在一幅图像里,增加了单幅图像的信息量,丰富了目标的信息层次,为图像显示观察和后续图象处理系统获取信息提供了基础.     

SAR图像边缘的模糊检测方法

针对合成孔径雷达(SAR)图像的边缘提取问题,提出采用模糊集理论实现SAR图像的边缘检测。设计了一种模糊边缘检测器,该检测器首先计算图像中每一个像素点的边缘隶属度,然后对该隶属度进行非线性变换以增强原始图像的对比度,最后对增强后图像进行阈值化处理得到原始图像的边缘。将模糊边缘检测器与经典的极大似然边缘检测器进行SAR实测数据的仿真试验对比,结果证明了模糊边缘检测器的有效性和优越性。     

基于红外图像与可见光图像特征融合的目标检测算法

对可见光与红外图像融合目标检测问题进行了研究,提出了一种针对目标检测任务的特征融合算法。采用端到端的神经网络方案,将可见光与红外图像同时输入神经网络,分别进行特征提取,后对提取的特征进行融合,再对融合的特征进行目标检测,最后输出检测结果。与一般先融合出一张图片再检测的方法比较,特征融合算法可以保留原始图像的特征,并根据目标检测的结果对特征进行挑选及融合,避免先融合图像造成的信息损失。红外图像能够弥补可见光图像的不足,适应不同光照强度及天气情况。针对目标检测的特征融合方法有效利用了纹理信息及热辐射信息,检测效果优于单独利用可见光或红外图像的方法。     

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。     

改进的SUSAN图像边缘检测算法

SUSAN图像边缘检测算法具有抗噪声能力较强、准确等优点，但仍有不足之处．提出了一种自适应选取阈值的方法，并对SUSAN边缘检测算法进行了改进．在此基础上，提取出图像特征来进行目标识别、精密测量等图像描述和分析处理能获得较好的效果．     

基于导向重构与降噪稀疏自编码器的合成孔径雷达目标识别

为解决现有合成孔径雷达（SAR）目标识别算法泛化能力差和算法复杂度高等问题,提出一种基于导向重构与降噪稀疏自编码器的SAR目标识别分类算法。利用导向重构算法对SAR图像进行两尺度融合预处理,生成一维图像矢量并作归一化处理,以降低图像输出特征的维度,提高预处理的速度;采用减少降噪自编码器隐层神经元方式对图像进行低维特征抽取和识别;使用Softmax分类器进行分类处理。实验结果表明,通过导向重构与降噪稀疏自编码器的SAR目标识别算法,不仅提高了目标识别性能以及泛化能力,而且降低了自编码器的隐层神经元数量和计算复杂度,网络结构也得到改进和优化。     

图像边缘特征扩展的对数极坐标变换匹配制导方法

下视景像匹配制导中，实时图和基准图的拍摄高度、方位和图像比例尺不完全一致，两图的轮廓形状存在旋转和变形等差异，边缘特征提取方法受图像灰度分布影响存在变形和移位，易导致匹配错误。用侧抑制竞争方法，图像边缘特征提取快速准确，不发生移位，对灰度变化也不敏感，再用扩展边缘特征法，克服轮廓变形对边缘匹配的影响。在此基础上，引入对数极坐标变换，进一步提高图像的抗旋转和尺度收放的匹配精度。结果表明，此方法模型简单、抗几何变形能力强且便于实现。     

图像跟踪技术在无人机自主着陆导航中的应用

引导无人机自主着陆,采用2个图像采集分系统的双摄像机视觉导航系统.由图像跟踪技术在图像中锁定无人机,并通过转台记录偏转的角度,以确定无人机的相对空间位置.并采用边缘跟踪算法,获取运动物体的外部轮廓特征,对序列图像进行处理,继而实现对运动物体进行识别跟踪.其仿真结果表明跟踪效果良好.     

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。     

基于加权Hausdorff距离矩阵测度的SAR图像与光学图像匹配研究

针对多传感器图像匹配问题,提出一种基于加权Hausdorff距离矩阵(Weight Hausdorff Distance Matrix,WHDM)测度的合成孔径雷达(SAR)图像与光学图像匹配算法。该算法采用边缘特征作为SAR图像与光学特征的共性特征,克服了两种不同图像的灰度不一致性。算法中提出了基于边缘连续性密度加权的Hausdorff距离矩阵范数测度的相似性准则,该测度相对经典的Hausdorff距离与改进的距离测度相比,具有更高抗噪声水平与大比例遮挡能力。试验结果表明,这种算法匹配精度高,适合并行计算,该算法可应用于无人飞行器的自主导航中。     

量子粒子群算法的弹载SAR图像自聚焦方法

为了补偿弹载合成孔径雷达( SAR)回波数据中的相位误差,研究了一种新颖的SAR图像自聚焦算法.该方法以量子粒子群( QPSO)算法为基础,利用最小熵准则作为评判标准,通过多维搜索完成相位误差校正,改善聚焦质量以提高打击精度.同传统的相位梯度自聚焦算法(PGA)相比,该方法具有较好的鲁棒性和收敛速度快的特点,对低频高阶...