一种基于变差函数的纹理图像分割方法

本文基于变差函数提出一种图像纹理分割的新方法.由于变差函数反映图像数据的随机性和结构性,因而能很好的表达纹理图像的特征.文中算法根据变差函数的这种性质将单步长变差函数值作为图像纹理特征进行分割,实验结果表明它对纹理图像分割与识别是十分有效的.     

基于最小全变差的SAR图像自聚焦算法

该文分析了方位一维图像的全变差范数随二次相位误差的变化情况,得到全变差范数是二次相位误差的单峰函数的结论,且在二次相位误差等于零时全变差范数最小。从而利用全变差范数作为性能函数,采用黄金分割最优化算法,通过循环迭代得到自聚焦的SAR图像。实验结果表明此算法在处理二次相位误差时优于相位梯度自聚焦算法。通过算法复杂度的分析表明该算法的计算量约为相位梯度自聚焦的二分之一。     

基于变差函数的红外图像预处理算法

提出一种基于变差函数的红外背景图像预处理算法。通过分析红外目标、背景及噪声的变差函数特性,采用变差函数对红外图像进行纹理分析,研究基于变差函数的目标检测预处理算法。实验表明:此算法对空间和时间相关性强的云背景具有良好的抑制作用,能有效地提高目标信杂比。     

基于统计特性的SAR海洋图像纹理分析方法

SAR的出现为人们监测、研究、利用和开发海洋提供了新的方法和手段。利用SAR图像对海洋波浪、浮冰块、内波、海底地形、船舶及其航迹等的研究都取得了明显的进展,大部分海洋现象表现为具有特定纹理分布的SAR图像。该文研究了基于K分布的海洋SAR图像纹理特征以及纹理参数的估计方法,并利用纹理参数判断海洋现象,为海洋环境监测和海洋现象识别提供途径。文中方法对检测局域范围海洋弱信号有较好的效果。     

基于高分辨率SAR图像的建筑物高度提取

分析了高分辨率SAR图像中建筑物的成像特征:叠掩及角反射器效应,获取了SAR图像中建筑物屋顶像点位移,最后根据相应的公式计算了建筑物的高度。与实际高度数据相比较,发现计算结果精度较高,是一种可行的建筑物高度获取方法,可为以后发射的高分辨率星载SAR图像的应用提供很好的借鉴。     

高分辨率星载SAR图像水上桥梁解译

该文提出一种高分辨率星载SAR图像水上桥梁解译方法。首先计算图像分类特征的纹理描述量,包括Gabor滤波器响应、树形小波参数和灰度共生矩阵。然后利用支持向量机对图像进行分类,将SAR图像分为低反射率区域、城市建筑区和植被覆盖区。在低反射率区域中,利用目标的形状、拓扑关系和目标与背景的灰度分布完成桥梁兴趣区检测。最后利用雷达成像参数和多次回波模型计算桥梁的方向、长度、宽度、水面高度、桥体厚度和正射投影位置。利用TerraSAR-X图像进行的实验表明了该方法的有效性。     

基于纹理特征的图像检索

基于内容的图像检索是数字图书馆和多媒体数据库的重要研究内容。文中主要针对图像处理,特别是运用图像的纹理特性来查找或检索图像数据库。运用Ｇａｂｏｒ 变换进行纹理分析是比较成功的方法。小波变换尽管在这方面也取得了较好的效果,但在许多情况下,不如用Ｇａｂｏｒ滤波器效果好。文中就是在Ｇａｂｏｒ 滤波器的基础上生成Ｇａｂｏｒ 小波,对图像进行多分辨率分析,提取纹理特征,提供了一种基于图像纹理的图像检索方法,并对此给出了一些实验结果。     

基于纹理分解和联合回归分析的SAR图像超分辨率北大核心CSCD

为了有效利用合成孔径雷达(SAR)图像丰富的地物纹理信息以解决现有超分辨率算法对SAR图像进行超分辨时有限的性能,提出了一种基于纹理分解的联合优化回归器算法用于低分辨率SAR图像的超分辨任务。该算法通过对低分辨率SAR图像和重构的高分辨率图像在局部和全局视角下的联合优化并辅以图像纹理信息来有效生成高质量的高分辨SAR图像。基于多种评价方法,在模拟数据集和真实数据集上开展实验。实验结果表明:所提算法强于其他典型的超分辨率算法。     

高分辨率SAR图像机动目标纹理特征提取与分析

该文基于高频区目标散射中心理论分析了高分辨率SAR图像机动目标和自然地物后向散射特性的差异,探讨了两类目标纹理现象产生的机理,并在此基础上,分别基于局部统计量和分形模型提取机动目标的纹理特征,给出了鉴别特征优选方法。文中利用MSTAR的车辆目标实测数据检验了该文计算的纹理特征,给出纹理特征优选结果以及各纹理特征鉴别的性能,结果表明该文提取的纹理特征具有较好的鉴别性能,能消除大部分自然地物产生的虚警。     

基于多层神经网络的中分辨SAR图像时间序列建筑区域提取

为提高合成孔径雷达(Synthetic Aperture Radar, SAR)图像时间序列建筑区域提取的准确率和稳定性, 该文结合时间序列图像的特点, 提出了一种基于多层神经网络的建筑提取方法。该方法使用单幅SAR图像进行样本的粗略标记, 并从经过直方图规定化处理后的时间序列图像中获得大量样本。通过单幅SAR图像生成的少量样本确定网络的深度, 并从时间序列生成的样本中筛选出具有更高质量的样本作为最终模型的训练样本。利用数量大且质量高的训练样本学习得到模型参数。使用包含38幅25 m分辨率ENVISAT ASAR图像的数据集进行两组对比实验, 实验结果中该文方法的最低准确率和最低Kappa系数分别90.2%和0.725, 均高于其它3种传统方法, 算法的稳定性以及准确率都有显著提高。此外, 该方法还具有人工操作少、推广性强、训练高效等优点。      

核估计的最佳阈值SAR图像海岸线提取

针对SAR图像海陆分割的最佳阈值难以确定的问题，提出了一种差值核估计的自适应最佳阈值SAR图像海岸线提取方法。首先将图像的频数分布直方图看作一组以灰度值为横坐标和以频数为纵坐标的数据点集，然后以任一点为中心点构建左右两个邻域；定义两邻域内点横坐标到中心点横坐标距离的核函数；以核函数为权重先计算中心点纵坐标与左邻域内所有点纵坐标之差的加权平均值，再计算右邻域内所有点纵坐标与中心点纵坐标之差的加权平均值，并定义后者与前者之差为该数据点在直方图中坡度由陡变缓的跳变幅度，最后将拥有最大跳变幅度的数据点对应的横坐标作为海陆分割的最佳阈值。为去除初始分割结果中海陆交界处的不规则形状像素集，设计基于滤波操作的后处理过程。对真实大尺度SAR图像提取结果的定量评价表明提出方法可以高精度地提取出光滑、连续的海岸线，相较其他阈值分割法有更强的实用性。     

一种适用于rural区SAR图像目标感兴趣区域获取方法

目标感兴趣区域的获取是目标分类的基础,由大场景图像中快速获取目标感兴趣区域对整个ATR系统的性能提高有较大意义。本文给出了一种适用于rural区的SAR图像目标感兴趣区域获取方法,在分析图像场景灰度统计分布的基础上,利用全局恒虚警率检测算法得到潜在目标区域,然后利用密度、形态学和尺寸滤波器对潜在目标区域聚类并滤除虚警,最终获得目标感兴趣区域。对2048×512像素实际场景的实验结果,应用本文算法4个车辆目标全部被检测且没有虚警,VC代码获取目标区域的总时间小于0.5秒。     

高分辨率SAR图像散射中心特征提取

合成孔径雷达(SAR)目标检测和识别是SAR实用化的瓶颈技术之一,提取有效的目标特征是SAR目标检测与识别的关键环节。高分辨率SAR图像中,目标属性散射中心特征反映了目标散射中心的位置、类型等信息,精确获取目标散射中心属性特征能够提高对目标的检测识别性能。针对SAR目标属性散射中心特征的提取,该文提出了一种基于改进的空间-波数分布(ISWD)的特征提取方法,该方法首先利用ISWD估计散射中心关于频率与方位角的函数,然后利用该函数来获得目标属性散射中心模型参数。最后利用仿真实验验证了方法的有效性。     

基于分水岭变换的高分辨率机载城区SAR图像建筑物自动检测方法

该文提出了一种从单幅高分辨率机载SAR图像上自动检测建筑物目标轮廓的方法。该方法以应用标记的分水岭变换为基础,针对建筑物的强回波特性和形状特征,主要采用CFAR检测和方向相关分析得到标记图像,然后利用最小强制技术和标记图像修改原始图像的梯度图,最后对修改后的梯度图作分水岭变换得到建筑物目标的边界轮廓。实验结果表明了该算法的有效性。     

适用于高分辨SAR图像的全局稳态最小水平集分割方法

该文针对高分辨率SAR图像的分割问题提出了一种新的快速的水平集方法。该方法基于G0分布能够同时描述高分辨率和中低分辨率条件下的SAR图像统计特性,通过水平集方法求解能量泛函最小化实现SAR图像的分割。由于能量泛函被设计为具有全局稳态最小值,使得该方法具有较好的全局分割能力和比较快的分割速度,从而增强了该方法的实用性。利用模拟和真实SAR图像上的分割实验验证了该方法的有效性。     

高分辨率SAR图像舰船目标几何结构特征提取

随着SAR图像分辨率的提高,利用SAR图像进行舰船识别成为遥感卫星获取海洋情报的新途径。几何结构特征是对目标的直观描述,提取方法简单,成为对舰船目标进行初分类的重要依据。本文首先介绍了几种典型的几何结构特征及其计算方法,并分析了它们在舰船识别中的作用,然后介绍了一种基于方位角估计的几何结构特征提取方法:对图像进行预处理抑制旁瓣,利用矩技术估计方位角,旋转目标至水平状态,采用逐步逼近的方法获得最小外接矩形,进而提取其他几何结构特征。实验结果证明本文方法提取的几何结构特征准确度高,算法稳定性好。      

聚束模式SAR连续缺失数据的高分辨成像方法

目前基于缺失数据的幅度相位估计算法(GAPES)的SAR成像算法都没有考虑距离徙动和相位误差问题而导致图像质量下降。该文提出一种基于GAPES的聚束模式SAR方位向连续缺失数据的高分辨成像方法。在处理过程中,通过对连续缺失数据2维插值实现距离徙动校正,然后利用稀疏数据投影近似子空间跟踪算法实现相位误差补偿,保证了图像的分辨率。仿真和实测数据的处理结果证明了该方法的有效性。     

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。