基于H-α和改进C-均值的全极化SAR图像非监督分类

该文提出一种基于H-α和改进C-均值的全极化SAR图像非监督分类方法.该方法先按H-α对全极化SAR图像进行基于散射机理的分类,再将分类结果作为改进C-均值算法的初始类别划分,从而实现地物分类.迭代次数确定是C-均值动态聚类算法的关键,文中利用图像熵给出了一种新的迭代终止准则.与H-α方法相比,该文方法能在保留分类结果物理散射机理的同时,实现有效的地物分类.NASA/JPL实验室AIRSAR系统获取的L波段旧金山全极化SAR数据的实验结果验证了该文方法的有效性.     

基于独立分量分析的极化SAR图像非监督分类方法

提出了一种针对极化合成孔径雷达(SAR)图像的新的分类方法--基于独立分量分析(ICA)的非监督分类方法.该方法将ICA和基于模糊集理论的非监督分类方法结合起来.用ICA方法对原始极化SAR图像进行特征提取,并用模糊C均值(FCM)算法对提取出的独立分量图像进行分类.该算法可对极化SAR图像进行自动分类,并减少由相干斑噪声所引起的分类错误,且其收敛速度快、稳定性高.采用SIR-C/X-SAR数据的试验证明了该算法的有效性.     

AN UNSUPERVISED CLASSIFICATION FOR FULLY POLARIMETRIC SAR DATA USING SPAN/H/α IHSL TRANSFORM AND THE FCM ALGORITHM

In this paper, the IHSL transform and the Fuzzy C-Means (FCM) segmentation algorithm are combined together to perform the unsupervised classification for fully polarimetric Synthetic Ap-erture Rader (SAR) data. We apply the IHSL colour transform to H/α/SPANspace to obtain a new space (RGB colour space) which has a uniform distinguishability among inner parameters and contains the whole polarimetric information in H/α/SPAN.Then the FCM algorithm is applied to this RGB space to finish the classification procedure. The main advantages of this method are that the parameters in the color space have similar interclass distinguishability, thus it can achieve a high performance in the pixel based segmentation algorithm, and since we can treat the parameters in the same way, the segmentation procedure can be simplified. The experiments show that it can provide an improved classification result compared with the method which uses the H/α/SPANspace di-rectly during the segmentation procedure.     

基于无监督分类的多视极化SAR相干斑滤波

相干斑噪声是引起SAR图像降质的主要原因之一。多视极化白化滤波器(MPWF)是一种专门应用于多视极化SAR图像降噪的有效技术。其中,滤波器参数估计的精确度直接决定了其滤波性能的好坏。对此,该文提出了一种新的基于无监督分类的自适应窗算法。该算法以分类图像作为对象;在滑动矩形窗内以中心像素作为参照物,自动搜索与其同类的像素并用于MPWF参数估计。实验结果表明,与其他几种典型的算法相比,该法不仅有效地抑制了相干斑,而且对图像的纹理信息具有很好的保持能力。     

WDM业务量疏导网络中的动态共享通路保护算法

本文研究了WDM业务量疏导网状网中的生存性问题,基于分层图模型提出了一种动态的业务量疏导共享通路保护算法(SPPTG).该算法根据网络拓扑信息、资源使用情况和到达的业务连接请求动态调整波长通道的代价,在此基础上为到达的低速业务连接请求寻找两条链路分离的通路,分别作为工作通路和保护通路,并且保证保护通路尽量共享已有的保护资源,从而有效提高全网的资源利用率.仿真表明SPPTG算法具有很好的阻塞性能,同时可以充分共享保护资源.     

极化合成孔径雷达及其应用

先进的对地观测卫星(即ALOS)在日本于2006年1月24日成功发射.在所携带的三个传感器中,L波段的相控阵合成孔径雷达(即PALSAR)能够使我们利用全极化的观测模式日夜对地球进行观测.尽管极化运行是实验性质的,但在世界上它首次为我们提供了星载的全极化数据.该文简单介绍ALOS卫星上的PALSAR系统、全极化数据的各种应用以及极化SAR图像分析结果.     

基于原型理论的极化SAR图像特征表达

该文提出一种基于原型理论的极化SAR图像表达方法。该方法首先利用原型理论构建原型集,然后以正则化逻辑回归函数计算测试样本与每个原型集的相似度,最后通过集成投影获得图像的特征表达。在极化SAR数据上的非监督分类实验结果表明,该方法能够准确表达图像中各类地物的极化特性,达到较好的分类效果。      

采用混合特征相似性的极化SAR图像降噪算法

针对极化合成孔径雷达（Polarimetric Synthetic Aperture Radar,PolSAR）图像在相干斑抑制过程中面临的结构信息和极化散射信息保持的问题,通过分析PolSAR图像的结构特性和极化特性,建立一种结构特征提取方法,并提出一种采用混合特征相似性的极化SAR图像降噪算法.该算法将图像的结构信息和极化散射信息与降噪过程相融合,能够在抑制相干斑噪声的同时,实现降噪后图像的结构信息和极化信息的有效保持.实测机载极化SAR数据的实验结果验证了算法的有效性.     

基于无监督域适应的仿真辅助SAR目标分类方法及模型可解释性分析

卷积神经网络(CNN)在光学图像分类领域中得到广泛应用,然而,合成孔径雷达(SAR)图像样本标注难度大、成本高,难以获取满足CNN训练所需的样本数量.随着SAR仿真技术的发展,生成大量带标签的仿真SAR图像并不困难.然而仿真SAR图像样本与真实样本间难免存在差异,往往难以直接支撑实际样本的分类任务.为此,该文提出了一种...     

利用多特征融合和集成学习的极化SAR图像分类

该文提出了一种利用多特征融合和集成学习的极化SAR图像监督分类算法。该算法首先提取极化SAR图像的多重特征,包括EPFS特征,Hoekman分解特征,Huynen分解特征,H/alpha/A分解特征以及扩展四分量分解特征。为保证集成学习中基本分类器的差异性与准确性,算法从5组特征集中每次随机选取两组不同的特征进行串联融合,作为SVM分类器的输入。最后,利用随机森林学习算法将所有基本分类器的预测概率集成输出最终分类结果。像素级和区域级的分类实验表明了该文算法的有效性。      

Study on the technique to detect texture features in SAR images

This letter studies on the detection of texture features in Synthetic Aperture Radar (SAR) images. Through analyzing the feature detection method proposed by Lopes, an improved texture detection method is proposed, which can not only detect the edge and lines but also avoid stretching edge and suppressing lines of the former algorithm. Experimental results with both simulated and real SAR images verify the advantage and practicability of the improved method.     

基于免疫克隆聚类协同神经网络的图像识别

该文提出了基于免疫克隆聚类的协同神经网络原型向量求解算法,该算法充分利用免疫克隆的高效全局最优搜索能力构造数据聚类算法,将新聚类算法用于训练协同神经网络的原形向量,并对Brodatz纹理图像库以及合成孔径雷达图像目标进行识别。仿真实验结果表明,相比标准协同神经网络,该算法可以提高网络的识别性能,同经典的支撑向量机相比,该算法在识别率相当的情况下,样本的训练和测试时间都明显缩短。     

An Unsupervised Classification for Fully Polarimetric SAR Data Using SPAN/H/ IHSL Transform and The FCM Algorithm

 In this paper, the IHSL transform and the Fuzzy C-Means (FCM) segmentation algorithm are combined together to perform the unsupervised classification for fully polarimetric Synthetic Ap-erture Rader (SAR) data. We apply the IHSL colour transform to space to obtain a new space (RGB colour space) which has a uniform distinguishability among inner parameters and contains the whole polarimetric information in Then the FCM algorithm is applied to this RGB space to finish the classification procedure. The main advantages of this method are that the parameters in the color space have similar interclass distinguishability, thus it can achieve a high performance in the pixel based segmentation algorithm, and since we can treat the parameters in the same way, the segmentation procedure can be simplified. The experiments show that it can provide an improved classification result compared with the method which uses the space di-rectly during the segmentation procedure.     

SAR图像人造目标检测研究

在合成孔径雷达(SAR)自动目标识别中,人造目标的检测至关重要。该文根据SAR图像的特点,对图像中的人造目标进行了检测。首先采用自适应小波滤波方法对图像进行滤波,在保留图像细节的前提下有效地去除了图像中的乘性噪声,使后续的检测变得相对容易。然后采用基于自适应遗传算法的C-划分二维模糊熵算法对图像进行分割。实验结果表明,该文方法能够有效地检测出图像中的人造目标。     

Unsupervised PolInSAR classification based on optimal coherence set

Aiming to solve the misclassification problems of unsupervised polarimetric Wishart classification algorithm based on Freeman decomposition, an unsupervised Polarimetric Synthetic Aperture Radar (SAR) Interferomery (PolInSAR) classification algorithm based on optimal coherence set parameters is studied and proposed. This algorithm uses the result of Freeman decomposition to divide the image into three basic categories including surface scattering, volume scattering, and double-bounce. Then, the PolInSAR optimal coherence set parameters are used to finely divide each of the three basic categories into 9 categories, and the whole image is divided into 27 categories. Because both the Freeman decomposition result and optimal coherence set parameters indicate specific scattering characteristics, the whole image is merged into 16 categories based on physical meaning. At last, the Wishart cluster is employed to obtain the final classification result. To preserve the purity of scattering characteristics, pixels with similar scattering characteristics are restricted to be classified with other pixels. The final classification results effectively resolve the misclassification problem, not only the buildings can be effectively distinguished from vegetation in urban areas, but also the road is well distinguished from grass. In this paper, the E-SAR PolInSAR data of German Aerospace Center (DLR), are used to verify the effectiveness of the algorithm.     

三维目标曲线SAR成像的降维搜索算法

曲线合成孔径雷达(CurviLinear Synthetic Aperture Radar,CLSAR)利用雷达平台的单条曲线轨迹就可形成三维成像所需的曲线合成孔径。由于CLSAR采集的数据在三维频率空间是稀疏的,简单地采用非参数化方法所获得的图像几乎无法使用,所以有价值的目标三维像必须采用参数化方法来获得。该文提出一种新的适用于CLSAR的目标三维成像算法。该算法巧妙地利用了接收数据中距离方向与垂直距离方向参数间的弱耦合性,将高维优化问题解耦为低维优化问题,并顺序地估计出相应参数,最后采用一个迭代过程进行参数求精。仿真实验表明,新算法是一种适用于CLSAR的有效的目标三维成像算法。     

极化SAR图像的聚类序列投影寻踪模型方法

针对极化SAR数据的分类问题,提出了序列投影寻踪模型方法进行极化SAR数据的无监督分类.该方法的特点是利用目标散射的极化相似性参数来表征目标特征;通过遗传算法逐步给出投影寻踪方法中的最佳投影,以获取高维数据的一维投影特征;进而采用EM算法估计混合模型的参数;最后由Bayes决策准则实现分类.该文对旧金山湾地区的极化SAR数据进行分类,得到了好的分类结果,实例计算结果分别与采用强度特征的无监督分类结果和直接利用散射熵-散射角分类的结果进行了比较,说明新方法对于极化SAR数据的分类具有明显的优越性.     

SAR图像的极化干涉非监督Wishart分类方法和实验研究

该文在合成孔径雷达图像的极化非监督Wishart分类的基础上,给出了一种利用极化干涉信息对合成孔径雷达图像进行非监督分类的方法。该方法主要利用一(66)的极化干涉相关矩阵,从而可以同时考虑单幅图像的全极化信息以及两幅像对之间的互相关信息。该文详细阐述了该方法的具体实现,并利用NASA/JPL的SIR-C/X-SAR系统在中国天山地区的L波段实测数据进行了实验研究。给出了利用该方法对实验数据进行分类的结果,并与极化非监督Wishart分类的结果进行了比较。结果表明,该方法能够很好地分辨不同类型的地物,保持地物的细节,并且比极化非监督Wishart分类结果有很大改善。     

基于ICA和FCM的多时相SAR图像变化检测

针对多时相合成孔径雷达(Synthetic Aperture Radar,SAR)图像提出了一种非监督的变化检测方法,首先利用独立成分分析(Independent Component Analysis,ICA)抑制相干斑噪声和减少混合像元,提高图像的分类性能.然后对独立分量图像构造差值图像进行非监督的变化检测,最后采用加入空间邻域信息的模糊C-均值聚类(Fuzzy C-Means)方法把差异图像分为变化类和非变化类,以此克服需要选择统计模型的影响.实验结果证实了该算法能有效抑制了变化检测中的虚警.     

全极化合成孔径雷达(SAR)高度信息检测技术

从全极化合成孔径雷达(SAR)二维图像数据中,经过极化综合计,利用快速搜索算法计算每一个图像像素的极化椭圆方向角ψ、△ψ,从而提取雷达方位向的地势倾斜度信息,形成极化SAR三维图像.本文在极化合成孔径雷达(SAR)三维成像快速搜索算法的基础上,提出由Stokes矢量推导的极化椭圆方向角解模糊算法,并利用美国NASA1994年SIR-C采集的真实全极化合成孔径(SAR)二维图像数据,经计算机处理得到了极化合成孔径(SAR)三维成像结果.