基于多极化SAR图像的鄱阳湖湿地地表淹没状况动态变化分析

合成孔径雷达图像对于地表淹没状况的探测有一定的优势.以鄱阳湖湿地为例,基于多极化Envisat ASAR数据,将变化向量分析方法引入地表淹没状况的变化检测中,分析鄱阳湖湿地地表淹没状况的动态变化,然后利用决策树分类方法将变化区域提取出来,并探讨变化向量方法应用于SAR图像变化监测的潜力.     

基于半变异函数的多极化SAR图像地表淹没程度分析

洪涝灾害范围的提取能够为灾害的动态监测、评估提取重要的数据。由于半变异函数能够反映图像数据的随机性和结构性,可以很好的体现地物的空间自相关性。而地物在SAR图像上也表现出很好的空间自相关性和纹理特征,各种淹没程度的地物在图像上也表现出不同的空间自相关性,所以将特定窗口下特定步长的半变异函数应用到地表淹没程度分析,证明该方法的可行性。     

基于多极化SAR图像的鄱阳湖湿地表淹没状况动态变化分析

合成孔径雷达图像对于地表淹没状况的探测有一定的优势。以鄱阳湖湿地为例,基于多极化Envisat ASAR数据,将变化向量分析方法引入地表淹没状况的变化检测中,分析鄱阳湖湿地地表淹没状况的动态变化,然后利用决策树分类方法将变化区域提取出来,并探讨变化向量方法应用于SAR图像变化监测的潜力。     

基于多极化星载SAR数据的水稻/旱田识别-以江苏省海安县为例 

合成孔径雷达(SAR)数据对于南方多云多雨天气的地表农作物类型的探测具有独特的优势。以江苏省海安县为例,基于多极化SAR数据,包括双极化ALOS PALSAR以及全极化Radarsat\|2数据,采用面向对象的方法,针对当地水稻/旱田进行识别。针对双极化SAR数据,利用了其强度信息进行分类识别;而基于全极化数据,除强度信息外,还利用了其SAR信号统计分布概率进行分类规则建立。结果表明:L波段的ALOS PALSAR在识别旱地的桑树方面具有很大的优势,而基于两种分类方法的C波段Radarsat\|2数据识别水稻的精度分别为85%和75%,略低于ALOS PALSAR的识别结果(87.5%)。     

多极化SAR图像斑点抑制综述

SAR(合成孔径雷达)图像斑点抑制一直是SAR图像应用中的一个重要课题。近二十几年来,伴随着SAR的发展和应用,涌现出了大量的斑点抑制算法。这些算法可分为两类:一类是基于单通道数据;另一类是基于多通道数据。对相干斑抑制问题进行了全面系统的研究,并侧重于多极化SAR图像的斑点抑制,归纳总结了近十几年来国内外所出现的多极化SAR图像斑点抑制算法,并对各种算法的性能进行了分析和比较。     

SAR图像自动道路提取

提出了一种新的快速有效的低分辨率SAR图像自动道路提取算法。算法使用道路特征检测算子检测道路边缘,利用一系列模板进行边缘像素的标定和短线段的连接,最后使用动态规划技术进行道路曲线段的连接。使用低分辨RadarSat SAR图像进行实验,实验结果证明了该算法的有效性。     

面向对象的高分辨率SAR图像处理及应用

目的随着合成孔径雷达(SAR)技术和分辨率的不断提高,越来越多的空间细节呈现在高分辨率SAR影像上。与此同时,SAR图像的数据量越来越大,人们对其应用需求也越来越高,这使得传统的基于像素的SAR处理方法不再适用。面向对象分析技术以像元集合——"对象"为分析单元,为高分辨率遥感图像处理提供了有效的思路,并日渐成为遥感、摄影测量以及GIS等领域所关注的对象和研究热点之一。目前该技术在光学遥感中已经得到了广泛的应用,但在SAR图像处理中的应用还处于起步阶段。方法本文在简要阐述面向对象分析技术起源和特点的基础上,对SAR图像面向对象技术中常用的多尺度分割算法进行了分类分析,接着对面向对象技术在SAR遥感的应用方向进行全面介绍,最后对面向对象技术在SAR上的应用进行了总结与展望。结果面向对象分析技术在SAR图像处理中的应用主要分为以下五个方面:地物分类、城市信息提取、变化检测、海洋应用、森林应用。结论面向对象分析技术在解决高分辨率SAR图像尺度效应、抑制噪声等方面有着重要作用。目前,国外学者在基于SAR的面向对象分析技术研究上已经取得了一定的进展,但总体上该技术仍面临诸多问题,需要进一步的研究和完善。     

一种自动特征提取的SAR图像水华识别方法

针对SAR图像水华识别中人工提取特征效率低的问题,提出了一种自动特征提取识别方法.该方法应用改进的K-means算法提取SAR图像暗斑,利用数据增强算法扩充暗斑图像集,并基于对水华暗斑图像特征的深入分析对DenseNet网络结构进行改进,以实现对水华暗斑与非水华暗斑更有效地识别区分.以太湖数据集作为实验数据,该方法获得了87.30％的总体精度,这一结果表明自动特征提取识别方法对于SAR图像水华识别的有效性.     

中分辨率SAR图像自动桥梁检测方法

传统的单一分辨率下的桥梁目标检测方法难以胜任整景SAR影像中桥梁目标的检测。该文提出一种基于目标多尺度特征的中分辨率SAR图像桥梁自动检测方法。在低分辨率级别下提取河流和定位潜在桥梁目标点,把定位结果映射到原始中分辨率图像数据中,完成目标检测,从而提高检测效率。实验结果表明,对幅宽10 000×10 000像素的整景SAR影像,采用该方法检测桥梁目标的速度在15 s以内,目标检测率大于90%,虚警率小于5%。     

高分辨率SAR图像线状目标提取方法研究

本文针对高分辨率SAR影像进行城区河流、道路提取的算法研究,提出将纹理、面状和空间区域三种特征结合的方法。首先基于多尺度分析技术,结合面向对象的分割算法提取初始目标,之后使用灰度共生矩阵对目标及周边背景纹理进行差异对比分析去除误目标。与传统边缘检测方法相比,本文方法充分利用高分辨率SAR影像带来的纹理细节信息,并综合考虑目标的多种特征因素,增强了目标提取的可靠性,实用性强。     

基于SRTM DEM和Landsat TM数据的SAR图像自动地理编码

合成孔径雷达(SAR)图像特殊的斜距成像方式使得利用传统的校正方法很难校正雷达图像。常用的方法是利用DEM和SAR成像几何信息模拟的SAR图像对真实SAR图像进行校正。在区域制图中,平坦地区由于没有地形起伏特征,使得模拟SAR图像特征不明显,无法建立与真实SAR图像的配准关系。本文在研究大范围SAR图像自动化地理编码的过程中,分析讨论了图像模拟和图像匹配的原理和过程,实现了自动判断模拟SAR图像与真实SAR图像的匹配偏移量是否达到信噪比要求,从而自动判断是否使用具有地物专题信息的TM图像代替模拟SAR图像和真实SAR图像进行匹配,实现了海量SAR图像地理编码的自动化。     

海底油渗SAR探测综述

海底油渗来源于海底石油的自然渗漏，及时地获得海底油渗信息对探测、开发海底石油资源具有重大意义。目前，合成孔径雷达（Synthetic Aperture Radar, SAR）已经成为海底油渗探测的新型辅助手段。首先总结了海底油渗SAR探测机理，包括海底油渗形成机制、海底油渗SAR成像原理和海底油渗SAR图像特征;其次介绍了海底油渗SAR探测方法;然后给出了目前国际上海底油渗SAR探测的应用现状;最后提出了海底油渗SAR探测的现存问题和未来发展方向。     

基于轮廓特征的SAR图像自动配准

针对SAR图像的自动配准问题,提出了一种基于轮廓特征的快速配准方法。在对SAR图像正确检测和分割的基础上提取图像的区域轮廓,并对其几何特征属性进行准确描述,利用配准点可以实现自动图像配准,仿真试验表明可以获得亚像素级配准结果。     

一个SAR目标边缘自动检测与定位算法

在SAR目标边缘提取的基础上,为了获取目标边缘详细信息并对目标准确定位,该文针对线性目标设计了目标重心提取算法,对环状目标设计了轮廓线追踪算法,并给出了对目标范围、中心点标识、目标横向、纵向“直径”等的计算方法。这些算法在不同图像上取得了良好的检测结果。     

一种基于特征的SAR图像自动配准方法

由于SAR图像固有的相干斑噪声的影响,使得SAR图像的自动配准不能直接使用光学遥感图像自动配准.基于特征的SAR图像配准方法是一种有效的配准方法,但是特征的提取一直以来是一个很难解决的问题.针对SAR图像自身的特性提出了一种基于特征的SAR图像自动配准方法.首先进行了对SAIl图像进行了合适的区域分割,然后利用不变性特征进行区域匹配,最后求取扩展质心作为匹配控制点.通过对真实SAR图像进行实验,取得了较好的配准结果,充分证明了算法的有效性.     

基于最小错误率的SAR图象分割方法研究

文章提出了一种基于最小错误率的SAR图象自动分割算法。对直方图呈现出多模分布特征的SAR图象,首先运用有限高斯混合分布对SAR图象特征空间的数据统计模型进行估计;其次基于最小错误率原理选取SAR图象自动分割阈值,在先验概率未知和估计条件下,获得目标及其阴影区域的检测结果;最后对两种图象分割结果进行了分析并与SAR图象目标检测的经典方法-恒虚警(CFAR)目标检测方法作了比较。仿真结果表明在先验概率估计下的图象自动分割具有明显的优势和较大的应用潜力。     

一种改进的自适应窗口滤波的SAR图像去噪算法

SAR的广泛应用及其距离、方位上的高分辨率,使其受到人们越来越多的重视。但是SAR图像中的斑点噪声却严重地制约了它的进一步的应用。根据SAR图像的成像过程提出了一种改进的抑制SAR图像中斑点噪声的算法-自适应窗口空间域平滑算法。它根据窗内像素点的统计特征自适应调节窗口大小,并通过门限来决定是否需要改变窗的尺寸,达到在同性质区增大窗口来抑制斑点噪声,同时在异性质区减小窗口以最大限度地保护图像细节的目的。对实际SAR图像的验证,说明它在抑制斑点噪声和保存图像细节信息方面较之原方法有了一定的改进和提高。     

一种应用峰值特征匹配的SAR图象自动目标识别方法

针对合成孔径雷达（SAR）图象自动目标识别问题，在对SAR图象的特征提取问题进行分析的基础上，提出了一种特征点匹配算法，该算法根据Birkhoff-von Neumann定量，首先将广义置换矩阵约束松驰为广义双随机矩阵约束；然后利用拉格朗日乘子和障碍函数法，把约束加到目标函数中，从而将点集匹配问题转化为非线性最优化问题；最后利用确定性退火和软分配技术求解该问题，将得到的匹配代价用特征点数目的比值进行修正后，用于目标的识别。实验结果表明，该算法非常有效。     

基于多尺度谱特征的SAR图像分割

该文结合多尺度技术与谱分析方法,提出了基于多尺度谱特征的图像分割方法,并将之用于SAR图像分割。该方法在多尺度框架内,提取每个像素在不同尺度下的局部谱特征(AR模型参数),并组合各尺度的谱特征为一多尺度谱特征向量,作为该像素的分类特征,利用一基于二元假设检验的分类器对该像素分类。与单一尺度的谱特征分割方法相比,多尺度谱特征分割保留了算法简单的优点的同时,在小窗口情况下,仍能给出较平滑的分割结果,从而减小了计算复杂度。