一种快速的SAR影像相干斑抑制算法

提出了一种快速合成孔径雷达(SAR)影像相干斑抑制算法.首先,利用分裂增广拉格朗日收缩法,将总变分正则化去噪模型转换为双参模型.引入交替迭代法将双参模型分解为含非二次保真项和含不可微正则项的两个单参模型.其次,采用牛顿迭代法求解含非二次保真项模型,对偶方法求解含不可微正则项模型.最后,采用快速迭代阈值收缩法(FISTA)优化对偶方法的求解速度.实验选择武汉某地区"高分3号"影像和TerraSAR-X影像.结果表明:提出算法能较好的抑制SAR影像相干斑,比总变分正则化方法提升了约两倍的效率.     

采用国产GF-2遥感影像的复杂水网平原水体信息提取

以国产高分二号(GF-2)影像为数据源,选取杭嘉湖水网平原作为典型研究区域,基于面向对象分析技术,提出一种选取最佳分割尺度和特征规则的方法.该方法通过局部方差变化率(ROC-LV)曲线峰值确定最佳分割尺度,采用分离阈值法(SEaTH)建立提取规则,实现水体信息的快速提取.结果表明:总体精度达到98.7%,Kappa系数达到0.96,水体信息提取准确度和查全率均值都在97.3%以上.所提方法能够有效地提取水体信息,满足实际应用需求.     

利用CVGS-XGBoost 遥感识别水体与山体阴影信息

针对喀斯特地区遥感图像中水体和山体阴影信息易混淆使得传统机器学习算法存在分类精度低、计算速度慢的缺点, 改进XGBoost 算法, 通过交叉验证栅格搜索算法对XGBoost 算法进行参数优化, 构建CVGS-XGBoost 分类算法, 提取遥感图像中的水体和山体阴影信息。实验结果表明, CVGS-XGBoost 算法的总体分类精度达到93. 9%, 比原始的XGBoost 算法、 决策树、 随机森林和支持向量机算法构建的分类算法的总体分类精度分别提高1. 5%、 10. 0%、 6. 3%和3. 1%, 且该算法与分类效果较好的支持向量机相比, 运行时间开销少, 可有效地识别喀斯特地区遥感图像中水体和山体阴影信息。     

一种改进的全极化SAR影像面向对象分类方法

面向对象分类过程,首先对图像进行分割得到对象,然后将对象进行分类,分割效果直接影响最终分类精度.针对这一问题,提出一种改进的全极化合成孔径雷达(SAR)影像面向对象分类方法,在分类时首先通过计算各对象内部像元类别比例对对象进行判断,若所有类别比例均没有达到某个阈值,则认为此对象存在分割偏差,对其进行基于像元的分类,反之则进行面向对象分类,最后整合像元级和对象级分类结果.分类算法采用改进分类器动态选择法(ICDS)对差异性较大的3个基分类器Wishart、核-KNN和Wishart-KNN进行决策级融合.以AIRSAR,EMISAR的全极化SAR影像为数据进行分类实验.结果表明:改进算法充分利用了对象级和像素级分类的优点,从而得到高精度的分类结果,该算法具有良好的应用前景.     

一种机载MIMO雷达地面运动目标成像方法

针对传统机载合成孔径雷达（SAR）对地面非合作运动目标成像中存在的运动补偿难题,通过空间并行采样获取目标散射信息,提出了一种机载MIMO雷达的高分辨成像方法.与机载SAR不同在于该成像方法采用单次快拍的方式,从而可避免对非合作运动目标进行运动补偿.同时采用单次快拍成像方法可避免传统SAR方位向上长时间多脉冲采样积累,提高了信息获取的实时性.仿真结果证实了所提出方法的可行性.     

多源SAR影像监测矿区建筑物三维位移场

合成孔径雷达差分干涉(差分InSAR)技术仅能获取雷达视线向(LoS)一维形变信息.通过分析LoS向形变的三维空间合成模型,研究了融合多源合成孔径雷达(SAR)影像求解建筑物三维形变的模型与算法.该算法利用具有不同空间几何的SAR影像获取目标在不同LoS向的形变信息,联合求解目标三维形变场.结果表明:三维算法反演的垂直向位移(即下沉)与水准数据相互吻合,均方根误差为士10 mm;东西向水平位移场符合开采沉陷规律.由于卫星采用极轨飞行,使得三维算法对南北向位移不敏感,反演精度差;由三维位移场计算的倾斜值以及东西向水平变形与实测值间的均方根误差分别为±0.21,±0.06 mm/m.     

基于宁夏遥感大数据平台的地表水体提取与应用

在建设宁夏遥感大数据服务平台的基础上,给出了深度学习智能化信息提取工具的模块构成、界面基本组成和提取地表水体的操作方法;以大武口区作为研究区,基于高分一号和高分二号影像数据,通过宁夏遥感大数据服务平台的地表水体信息提取工具,对影像数据进行自动化提取实验及深度学习模型训练.结果表明,大武口区地表水体深度学习模型提取精度为...     

城市航空影像中基于颜色恒常性的阴影消除

基于颜色恒常性理论,对真彩色和彩红外城市航空影像中高大建筑物形成的阴影进行消除。首先采用光谱比技术和最大类间方差法(Otsu)阈值分割技术进行城市航空影像中建筑物阴影的检测,进而就颜色恒常计算的Shades of Gray算法中明可夫斯基范式(Minkowski norm)的p取不同值情况下的阴影去除效果进行实验,利用亮度、对比度及平均梯度值比较阴影去除效果的好坏。实验表明:在基于航空影像阴影区域及非阴影区域划分的基础上,本文方法比一般的阴影区反差拉伸方法效果好;且与一般场景影像的阴影去除不同,对两类航空影像,p取2时阴影去除效果最佳,说明这两类影像不能简单看成是一个灰色世界影像。     

基于无人机遥感影像的水体提取方法

针对无人机（UAV）影像水体提取出现的噪声干扰、光谱混淆、分割尺度难把握、无法使用水体指数等问题,提出边缘检测算法结合面向对象方法的新水体提取方法（AUCSN）. 采用各向扩散滤波算法对影像去噪;采用Canny边缘检测算子对去噪后影像进行边缘提取,提取结果与去噪后影像进行波段重组,利用改进的邻域绝对均值差分方差比法对重组影像选取最优分割尺度,开展多尺度分割. 结合水体对象的光谱、形态、纹理特征建立模型,对分割后影像实现水体粗提取. 将粗提取结果利用形态学闭运算填充孔洞,实现水体提取. 实验结果表明,采用AUCSN方法进行水体提取,不仅提高了提取效率,而且提取精度能够达到96%.     

基于SAR图像的道路损毁信息提取

提出了一种基于多时相SAR图像的道路损毁信息提取方法。该方法首先采用粒子滤波进行道路中心线提取,针对山区的复杂环境对图像预处理和粒子滤波过程进行了调整,能正确识别山区道路中心线;然后,根据道路损毁在SAR图像中的特征,建立了道路损毁模型,实现了道路损毁信息提取。实验结果表明,该方法提取的道路损毁信息准确度大于80%。     

公路选线中的嵌套山体自动提取技术

地形地貌是影响公路选线的核心因素之一,传统的地貌类型的划分方法过分注重地貌单元的完整性,缺乏有效的针对地貌实体对象的自动提取.以规则格网数字高程模型为数据源,利用数字地形分析中的地形特征和水系特征等提取技术,提出一种公路选线中地貌实体单元的自动提取方法.该方法与结合专家知识的人工提取结果吻合,实现了自动划分山地与平原、自动提取嵌套山体界线.在开展公路初步选线的过程中考虑山体的完整性,相比仅考虑地貌微观因子的选线方法,得到了较好的结果.     

基于RFS和ART的高光谱图像主成分提取方法

针对传统高光谱图像主成分提取方法受数据分布状态和噪声影响大的缺点,提出基于区域特征光谱的ART(Adaptive Resonance Theory)神经网络主成分提取算法.首先通过多方向阈值空间邻域聚类提取区域特征光谱作为ART的输入模式,利用ART网络的自适应特性获取地物光谱矢量特征,并通过对光谱矢量聚类完成图像的主成分提取.对高光谱图像仿真结果表明:通过提取区域特征光谱,神经网络的数据处理量减少了约97%;算法能够较准确地提取图像主成分且提取效果明显好于K-均值算法.     

一种基于场景合成和锚点约束的SAR目标检测网络

随着深度学习方法在计算机视觉领域的崛起,如何将其应用于具有全天时、全天候等优点的SAR图像也成为一大研究重点.相较于传统图像,SAR图像由于其难判读、应用人群较少等原因难以获得大量标注数据.本文提出一种基于场景合成和锚点约束的SAR图标检测方法.通过区域生长算法和阈值法对SAR车辆目标及其阴影进行分割,然后随机嵌入SAR复杂场景中的合理区域来合成目标检测数据集.针对SAR车辆目标的几何特性、图像分辨率参数,对Faster-RCNN中的锚点大小进行约束,减少不符合SAR车辆目标检测框尺寸的候选框,大量约简冗余计算,提升训练、测试效率及精度.     

利用InSAR相干性提取青藏高原湖泊边界

雷达干涉测量相干性信息对于水域非常敏感.采用阈值异或算法,利用多幅雷达影像计算的相干性图有效提取了青藏高原色林措等湖泊的边界线.通过与光学遥感影像比较,证明相干性信息在精确提取区域性水域范围方面能够发挥重要作用.     

基于正则化方法的SAR图像分割及目标边缘检测算法

为了准确地分割图像并获取清晰、连续的边缘特征,在系统分析正则化技术的基础上,提出了一种基于正则化技术的SAR图像分割及目标边缘检测算法。该算法首先利用一种改进的正则化方法对SAR图像进行预处理,然后分析图像的统计特性,利用阈值化技术获取SAR图像的目标区域和阴影区域,最后通过加窗处理技术对分割后的目标区域进行边缘特征提取。并用MSTAR数据进行大量的仿真实验,结果表明,与经典的边缘检测方法相比,该方法在获取良好的分割结果的同时能更精确、更完整地检测出目标的边缘特征。     

基于高分辨率卫星影像的输电走廊植被生长预警

为从卫星影像中提取出输电走廊的信息,提出一种基于高分二号遥感影像的输电走廊信息提取方法.首先基于低分辨率多光谱影像进行加权灰度变换并实现影像二值化,利用影像边缘检测和直线检测方法提取输电线路和杆塔的信息.然后,利用最小距离法对融合后的高分辨率影像进行植被精细识别,并计算植被覆盖指数.最后,在植被分布影像中重构输电线路,并结合植被覆盖指数对植被威胁区域进行预警.仿真结果表明:利用边缘检测对二值化影像进行杆塔提取识别率达到100％,融合后的植被分布影像轮廓清晰,对地物植被覆盖区域识别精度达到了90％以上,结合植被覆盖指数给出的预警区存在植被生长茂密,威胁输电线路运行的情况.该方法实现输电走廊植被生长预警,能够运用于电力行业的输电安全在线监测.     

一种新的SAR图像目标识别预处理方法

针对合成孔径雷达(SAR)目标识别问题,提出了一种有效的SAR图像预处理方法．首先通过自适应阈值分割、形态学滤波及几何聚类处理获得干净平滑的目标图像,再采用幂变换来增强图像质量,然后提取图像的主分量分析(PCA)、二维主分量分析(2DPCA)特征来进行识别．基于美国运动和静止目标获取与识别(MSTAR)计划录取的数据的实验结果表明,结合上述预处理,PCA,2DPCA的识别性能均可达到96.5%以上．     

附加约束条件短基线DInSAR法及其应用

短基线合成孔径雷达差分干涉(DInSAR)法利用具有较短空间基线的SAR影像对生成干涉图,提取地表高相干区域,获取高时间和空间采样率的地表形变场,但该方法没有考虑地表形变的先验信息,需要应用奇异值分解(SVD)分解获取相位平均速率的最小范数最小二乘解.在分析短基线DInSAR法基础上,对地表形变相位速率附加约束条件,提出一种附加约束条件短基线DInSAR新方法,该方法不需对系数矩阵进行奇异值分解,可直接求解模型参数的最小二乘解.利用南京地区从1996年到2000年间8幅SAR影像生成的13幅差分干涉图提取的地表沉降结果证明了新方法的有效性.     

基于自编码网络特征优化的城市高分遥感影像分类

高分遥感影像不仅地物比较清晰,而且可分辨能力强,能提供丰富的地物细节信息.为了更好地将各地物从遥感影像中提取出来,需要一些比较好的特征提取与特征优化方法.以北京市大兴区的WorldView-2高分遥感影像作为研究对象,基于eCognition软件和Matlab的DeepLearn Toolbox,利用自编码网络方法,进行遥感影像的特征提取与特征优化.实验中首先利用eCognition进行多尺度分割并提取42个特征,再利用自编码网络算法进行特征优化得到12个特征,最后将原42个特征影像分类结果与优化后特征子集影像分类结果进行对比.实验结果表明,经过自编码网络的特征空间优化后,减少了特征冗余,降低了干扰信息对分类精度的影响,分类精度、分类效果及分类效率都有所提高,优化后的特征空间是适用于高分遥感的地物分类的.     

基于面特征的光学与SAR影像自动匹配方法

针对现有光学影像与合成孔径雷达（SAR）影像之间匹配存在精度差、效率低等问题,提出了一种基于面特征的影像自动匹配方法.用中值代替均值的方法改进了Lee滤波器,用于对SAR影像相干斑噪声进行抑制.通过Canny算子提取出边缘,并用形态学膨胀对不连续边缘进行连接,在此基础上用区域生长法提取光学和SAR影像中的封闭区域作为面特征.设计了一种综合考虑面积、周长、中心点位置等属性的代价函数对面特征进行交叉匹配,筛选出匹配上的大目标,并将其中心作为匹配控制点.通过Envisat ASAR影像与Landsat ETM＋影像进行的匹配试验表明,该方法不需要人工干预,可以实现自动匹配,且匹配精度小于1个像素.