基于平稳小波变换的SAR图像海岸线提取

阐述了一种利用平稳小波变换(SWT)从SAR图像中提取海岸线的方法。该方法首先利用基于局部统计特性的自适应滤波算法对SAR图像进行滤波,然后利用SWT对SAR图像进行分析处理,计算SWT系数的小波梯度信息,通过模极大值搜索检测边缘点,最后利用阈值化和形态学方法对局部极大值图像进行细化处理。实验结果证明,这种方法是对于SAR图像海岸线提取是有效的。     

基于多子波的SAR图像噪声的抑制

SAR图像的噪声为乘性噪声,传统的图像去噪方法效果较差。SAR图像噪声抑制的方法一般可分为空域滤波和频域滤波。子波分析是一种典型的频域处理方法,通常首先对SAR图像进行子波分解,保留低频,对高频子带的系数做硬阈值或软阈值处理,然后进行重构。对于平滑区域,噪声抑制效果明显,但在边缘细节比较丰富的区域,细节损失严重。本文在多子波的预滤波中采用了冗余技术,并利用边缘跟踪算法对子波分解后的高频子带中的边缘和噪声进行有效的分离,从而确保了在抑制噪声的同时保留了边缘信息。实验结果验证了该方法的有效性。     

基于小波变换的SAR图像分割

SAR(合成孔径雷达)图像包含有相干斑噪声，传统方法不能很好地对SAR图像进行分割，该文结合SAR图像和小波变换多分辨分析的特点，提出了一种新的SAR图像分割方法。首先利用小波变换提取SAR图像的纹理特征信息，然后根据SAR图像噪声在小波域中的分布特点对SAR图像进行滤波，最后以SAR图像小波能量纹理特征和滤波后的灰度组成特征向量对SAR图像进行分割。实验结果表明，该方法是一种有效的SAR图像分割方法。     

利用综合差异图和按块分类的SAR图像变化检测

针对基于差异图像分类的SAR图像变化检测方法中差异图像保持完整变化区域难的特点,以及按像元分类容易受噪声的干扰,提出了一种基于综合差异图像和按块k均值聚类法的SAR图像变化检测方法。首先,分别通过差值法和对数比值法得到2幅不同时相同一地理位置的SAR图像差异图像,为了使差异图像更加平滑和保持边缘信息,分别对这2种差异图像进行均值滤波和中值滤波。然后,通过简单的线性结合得到最终的差异图像,随后将差异图像分成若干个大小为h×h且不重叠的块,通过主成分分析提取每个块的特征向量,再利用k均值聚类法将特征向量空间分成2类。最后,根据最近邻法将差异图像分为变化区域和未变化区域。实验结果表明,该方法不仅能有效地检测出变化区域,还在一定程度上降低了虚警。     

基于Contourlet能量标准差积的极化SAR图像融合

针对Contourlet多尺度、多方向性的优点,以及单一特征量融合规则过于片面性的缺点,提出了一种结合Contourlet自适应阈值滤波的区域能量标准差积的多极化SAR图像融合算法.该方法利用Sigmoid函数构建一种自适应阈值函数来处理Contourlet的高频子带系数,实现融合前图像的去噪处理,然后在Contourlet域中完成不同极化SAR图像的信息融合.根据各子带系数的特性,对低频子带系数采用区域能量融合规则和加权算法;高频子带系数采用区域能量和标准差之积作为融合规则,进行选择性融合.通过对实测极化SAR图像融合的试验表明,该算法在目视效果和客观评价指标方面比其他算法,都具有一定的优越性.     

基于物理散射模型的全极化SAR图像增强滤波算法

针对传统的极化SAR滤波方法图像中城镇区域和植被区域地物在滤波中易被混淆, 导致滤波后图像中地物边缘保持效果下降的问题, 提出了一种增强的保持极化散射特性的滤波算法。利用一种增强的四分量极化分解方法获取更加精确的地物散射机制, 并将散射机制信息引入滤波方法中, 使滤波算法中像素的散射机制更精确。增强的四分量极化分解方法引入了极化SAR数据的定向角补偿技术、一种新的体散射模型以及两种散射功率限制条件, 来改进Freeman-Durden分解的结果。理论分析和实验结果表明, 改进后的方法获取了比传统的极化SAR图像滤波算法更加理想的计算结果。     

基于FCM算法的SAR图像相干斑噪声滤波算法研究

针对FCM分割对SAR图像斑点噪声敏感的特点,本文提出了一种新的去噪方法。所提出的方法主要分三个步骤。首先,分别对获得的两幅同源不同时相的SAR图像进行小波和lee滤波结合去噪。然后,通过对数比值检测方法获得变化信息。利用双边滤波器处理变化信息,以获得能保留图像丰富细节信息的图像降噪效果。最后,利用FCM方法把变化信息分成两类,这样就可以获得变化检测结果。Ottawa 地区的部分图像作为检测算法的性能的数据库。将去噪方法相互比较,结果表明,本文提出的算法分类正确率达到98.29%,优于其他去噪方法。     

基于引导滤波和Tsallis熵的SAR图像分割算法

针对合成孔径雷达(SAR)图像易受噪声干扰、分割方法精度低的问题,提出了一种基于频域引导滤波和Tsallis熵的SAR图像多阈值分割算法.利用非下采样Contourlet变换(NSCT)对图像多尺度分解,提取图像各方向的高频信息;通过引导滤波增强高频分量的边缘信息,在保持边缘的同时抑制了相干斑噪声;利用改进的二维Tsallis熵多阈值对增强图像精确分割.实验结果表明:分割算法对噪声不敏感,分割精度和适应性明显提高.     

基于特征提取的SAR图像滤波算法

针对SAR图像所包含的地物目标比较复杂的特点,提出一种新的SAR图像滤波算法.该算法利用Contourlet变换能保持边界.结合特征提取可以获得区域目标点特征的特点,利用自适应阈值的方法对SAR图像进行滤波.与传统Lee滤波和保持边缘特征滤波算法进行比较,实验表明新的算法不仅提高了图像的质量.其量化指标也得到了提高.作为该算法的应用.利用变换域内低频图像和子带图像的融合规则对L和C两个波段的SAR图像进行去噪融合,可以看出该算法的去噪效果.     

基于提升机制小波变换的SAR与多光谱图像融合算法

在对提升机制小波变换的原理和特点研究的基础上，结合SAR图像与多光谱图像不同成像特性，提出了一种基于提升小波变换区域融合的SAR与多光谱图像融合方法。对于小波变换后的高频子图像，选择区域标准差大的作为融合后的子图像；对于低频子图像，定义区域均值的平均相对偏差作为阈值，融合子图像区域均值偏差大干阈值时，采用逻辑滤波方法融合，反之采用基于像素值加权、平均的融合规则。实验证明，该算法能够有效融合SAR与多光谱图像之间的互补信息，与其它用于图像融合的小波变换方法相比，运筹速度较快，易于DSP实现。     

SAR图像处理的最新研究与应用

系统地阐述了SAR图像的特点、研究难点、处理过程、国内外最新研究方法及应用。结合国内外SAR图像最新研究动态对SAR图像消噪、纹理分割、线性特征的提取、多目标的识别、分数维方法的应用等几个热点问题作了论述。具体地论述了利用SAR图像进行目标探测与识别、目标变化评估;在民用上利用SAR图像进行矿藏资源的探测、洪涝灾害的趋势分析,并介绍了SAR信号处理算法在医学等领域取得的显著成绩。     

全极化SAR数据信息提取研究

全极化SAR(Synthetic Aperture Radar)测量的是每一像元的全散射矩阵,可合成包括线性极化、圆极化及椭圆极化在内的多种极化图像。因此与常规的单极化和多极化SAR相比,在雷达目标探测、识别、纹理特征的提取等方面全极化SAR具有很多优点。基于新疆和田地区的SIR-C L波段全极化雷达数据,介绍了极化合成的基本原理和数据处理流程,分析了几种典型地物全极化信号的特点,并在此基础上用监督分类法进行了全极化SAR数据的信息提取。结果表明:全极化SAR数据比单极化和多极化SAR数据具有更高的分类精度,并有效地的提取出地表信息,为利用SAR数据反演地表参数打下了基础。     

多时相ERS-2 SAR图像在作物分类中的预处理方法研究

雷达遥感具有全天候、全天时的工作能力,适合于农业遥感监测的时效要求,在农业应用上有很大的潜力。以多时相ERS-2 SAR图像在农作物分类中的应用为例,根据试验区主要农作物的后向散射特性、物候,选择SAR图像的时相。对不同时相的SAR图像的辐射标定、几何校正和噪声平滑等预处理方法进行了研究。     

基于多源多时相遥感影像的山地森林分类决策树模型研究

山地是森林重要的分布区,然而山地多样的森林类型、高度异质化的景观格局、突出的地形效应以及云、雾的干扰均不同程度地影响了山地森林类型的遥感自动制图。多源多时相遥感影像提供的季相节律信息是当前提高土地覆被遥感制图精度的重要信息源之一。以岷江上游地区为研究区,以国产环境减灾卫星多光谱CCD(简称HJ CCD)影像和美国Landsat TM影像为数据源,以决策树为分类方法,根据参与分类影像的时相差异设计了5组对比实验(生长季单时相组、非生长季单时相组、生长季多时相组、非生长季多时相组、全时相组),对比论证多源多时相遥感影像对山地森林类型自动制图的贡献和作用。对比结果表明:生长季和非生长季相结合的多时相遥感影像较单时相或单一类型(生长季或非生长季)多时相遥感影像,更能显著提高山地森林类型自动制图精度,且能降低分类决策树的复杂程度,更有利于山地森林类型的自动提取。     

基于高亮特征匹配的双视向SAR图像建筑物高度提取

由于城区场景的复杂性和SAR成像几何畸变的影响,基于单幅SAR图像的建筑物高度提取常常存在很大困难。针对这一问题,利用建筑物目标SAR成像形成的叠掩、二次散射、较强单次散射等散射机制对应的高亮特征非常典型,并且对方向性敏感的特点,提出了一种基于双视向SAR图像高亮特征与几何模型匹配的建筑物高度提取方法。首先分析了建筑物目标的SAR图像散射特征及对雷达视向的敏感性,然后构造了建筑物目标在双视向SAR图像上高亮特征几何模型,然后基于灰度均值、灰度概率分布、边界信息定义匹配函数,并利用多种群遗传算法进行优化求解,最终得到建筑物目标的高度信息。基于模拟和机载SAR图像的试验表明该方法的建筑物高度平均反演误差小于1m,可以有效提高建筑物高度反演的精度。     

一种多光谱和SAR遥感图象的配准方法

针对现有配准方法在用于多光谱图象与ＳＡＲ遥感图象配准时,存在受ＳＡＲ图象斑纹噪声影响大,手工选取配准控制点（ＲＣＰ）精度低,利用图象景物特征配准时获取区域和边沿困难等缺点,以Ｌａｎｄｓａｔ ＴＭ图象与ＪＥＲＳ－１ ＳＡＲ图象配准为例,提出了一种利用分类图象形成的二值图象相关寻求配准控制点,并应用表面样条插值以提高ＲＣＰ精度的多光谱与ＳＡＲ感图象配准方法。由于在ＳＡＲ图象分类中利用了斑纹噪声的纹理特     

基于SAR与Landsat TM的小区域稻田的识别研究——以南京市江宁区为例

以南京市江宁区为研究区域,根据区域特征、作物物候期和水稻的生长特点,采用分层分类的方法提取稻田分布信息。通过比较多时相SAR数据、TM和多时相SAR融合与TM和单时相SAR融合数据识别水稻的精度和提取的水稻种植面积,分析了不同数据对区域多云雨,不同种植方式、面积小且分布破碎的水稻稻田的识别程度,并根据野外实地走访调查分析了主要影响因素。结果表明:多时相SAR数据、TM和多时相SAR数据的水稻识别精度都高于72%,高于TM和单时相SAR融合数据的结果;前两者提取的水稻种植面积和稻田分布接近,主要影响因素是地物分布、不同种植方式水稻物候期和水稻稻田面积小且分布破碎。     

星载SAR图像中居民地专题信息增强的方法探讨

探讨了通过SAR图像中的纹理信息以增强居民地专题信息的方法。首先,采用共生矩阵的方法,对图像纹理特征进行描述,产生纹理特征波段。然后,对这些特征波段进行相关分析,并采用假彩色合成增强的方法,增强居民地的专题信息。最后得到最佳增强的纹理波段组合方案。结果表明该方法能有效地增强居民地的专题信息,从而为居民地自动提取提供可靠数据。     

Fusion of multisensor multitemporal satellite data for land cover mapping

Efficient integration of remote sensing information with different temporal, spectral and spatial resolutions is important for accurate land cover mapping. A new temporal fusion classification (TFC) model is presented for land cover classification, based on statistical fusion of multitemporal satellite images. In the proposed model, the temporal dependence of multitemporal images is taken into account by estimating transition probabilities from the change pattern of a vegetation dynamics indicator (VDI). Extension of this model is applicable to Synthetic Aperture Radar (SAR) images and integration of multisensor multitemporal satellite images, concerning both temporal attributes and reliability of multiple data sources. The feasibility of the new method is verified using multitemporal Landsat Thematic Mapper (TM) and ERS SAR satellite images, and experimental results show improved performance over conventional methods.     

基于多特征的SAR图像的无监督分割

针对合成孔径雷达(SAR)图像灰度变化大、纹理复杂及边界模糊等特点提出了一种基于多特征的sAR图像的无监督分割方法。首先提取了SAR图像的局部矩特征与灰度共生矩阵的统计量(对比度、相关度、嫡、同质性)特征;然后利用主元分析(PCA)的方法对这些有用的特征进行降维处理以得到含有足够类别信息的2维特征;最后使用Mcan Shift方法对具有2维特征信息的像素进行自动聚类。由于Mcan Shift聚类过程中无需提供类别数,因此,这种处理是一个无监督的自动分割过程。采用了多幅SAR图像和13rodatz纹理合成图像做分割实验,结果证明:本方法与单一利用灰度共生矩阵或矩特征的方法相比,分割的准确性明显提高。