SAR图像主干道路自动提取算法研究

针对道路在高分辨率SAR图像中所具有的影像特征,提出了一种基于平行线对检测的高分辨率SAR图像主干道路自动提取算法.该算法以提出的新的平行线定义为核心,结合Marr视觉理论,使用自下而上的控制策略,对高分辨率SAR图像依次进行低层次的边缘检测(基于ROEWA算子)、中层次的道路特征结构化(平行线对检测)以及高层次的道路识别(路段生长、连接及去除伪道路),并在实验中给出了相应的算法演示结果图.实验结果表明,该算法能够准确有效地提取和定位高分辨率SAR图像中的主干道路.     

基于直线提取的机场跑道识别方法

针对红外机场跑道图像的结构特点,提出了一种机场跑道识别和提取跑道中心点的算法。首先对红外图像进行空域滤波;然后采用Sobel算子提取边缘图像;接着提取所有可能的直线段,并计算它们的参数;接着对找到的直线段进行连接性测试,得到最终的直线提取结果;最后从找到的所有直线中搜索平行直线对,从中识别出机场主跑道的边缘,计算出跑道中心点。大量的仿真实验证明这种方法可以红外图像中准确、快速地识别出机场跑道和提取跑道中心点。     

基于差异度迭代的极化SAR图像机场跑道检测算法

机场在军事和交通运输领域都有很重要的作用,对它的自动检测具有重大意义。本文提出了一种利用极化SAR(Polarimetric Synthetic Aperture Radar)图像检测机场跑道的方法。首先,利用SLIC(Simple linear Iterative Clustering)算法对极化SAR图像进行超像素分割;然后利用新三分量分解和极化散射熵对图像进行粗分类,再利用改进的K均值聚类结合差异度迭代的方法完成精细分类,最后利用跑道的散射特性和几何结构特征从分类结果中提取完整的机场区域。本文采用极化SAR数据进行实验检测,结果表明该方法能有效的检测出机场跑道,并且保持结构完整,边缘细节清晰,虚警率低。      

基于Canny-ROA算子和Hough变换的SAR图像道路检测

提出了一种高分辨率SAR图像的道路提取算法。首先对SAR图像进行FROST滤波,去除相干斑噪声,再融合Canny算子和ROA算子提取边缘点,并对图像边沿的信息进行补偿,然后使用平行线滤波滤除相关地物对道路检测的影响,最后利用Hough变换提取线特征,并对断裂的直线进行连接。实验结果表明,该方法能有效滤除护栏等地物的影响,对直线道路具有良好的检测效果。     

聚类与几何特征相结合的遥感图像多类人造目标检测算法

针对高分辨率光学遥感图像中人造目标的检测问 题,对传统的相位编组直线段提取算法和k-means 聚类算法了改进,提出了一种k-means聚类和几何特征 相结合的检测方法。根据自然物体和 人造目标在几何外形上表现出的不同特性,首先运用改进的相位编组算法对图像进行快速的 直线段提取; 然后以获取的直线段中心点为处理对象,运用k-means聚类算法 对提取的直线段进行密度聚类;最后,根 据每个类中的直线段数目和构成的几何基元情况,进行人造目标的判定。实验结果表明,本 文算法对遥感 图像中的房屋、汽车、船舰和飞机跑道等多类人造目标可达到90%以 上的检测精度,并具有较高的检测速度,对于一幅512pixel ×512pixel的图像,整个检测过程在100ms 以内。     

基于空间聚类种子生长算法的阵列干涉SAR点云滤波

阵列干涉合成孔径雷达(Synthetic Aperture Radar, SAR)通过在交轨向布置多个天线,结合方位向的合成孔径和斜距向的大带宽信号,具备了3维分辨能力,且多个阵元保证了其在高程向的空间采样,能够解决干涉SAR(Interferometric SAR, InSAR)测绘中的叠掩问题,实现观测场景的3维成像。但是获得场景区域的3维点云分布中存在较多杂点,高程向误差较大,所以传统的激光雷达(Light Detection And Ranging, LiDAR)点云滤波方法不适用于阵列干涉SAR点云的滤波处理。针对该问题,该文提出基于空间聚类种子生长算法的阵列干涉SAR点云滤波算法,应用密度和高程双重阈值生成密度-高程图像,通过图像处理手段去除小型杂点,利用空间聚类种子生长算法将植被等从点云数据中去除,完成点云滤波处理。利用国内首次机载阵列干涉SAR实验数据,通过与传统LiDAR滤波方法进行比较,验证了该文算法的有效性,为后续建筑物提取和精细化处理提供保障。      

基于邻域均方连续差分的SAR图像边缘提取算法

该文提出了一种基于邻域均值连续差分平方和(均方连续差分)的SAR图像边缘提取算法。首先,将像素邻域滑动窗口分成多个互不重叠的子区域,采用邻域均值差分平方和作为边缘强度的衡量因子,从理论上证明了该算子可以消除区域亮度对边缘强度估计的影响,具有恒定虚警率的特性,同时较好地估计边缘方向。然后,根据边缘走向对边缘强度图像进行边缘细化,消除真实边缘附近的虚假边缘,并提出一种基于平均强度变化率的自适应双阈值连接方法提取SAR图像中边缘。仿真和实测SAR图像的实验结果表明,该文提出的算子在SAR图像的边缘检测中表现出较好的性能,具有较高检测率和边缘定位精度,边缘线段的连续性保持也较好。     

复杂场景下的极化SAR图像机场跑道检测

提出一种基于极化分解分类与结构特征相结合的复杂场景全极化SAR图像机场跑道检测方法。首先利用先验信息粗选图像中各类样本目标进行H/α分解提取图像中各类训练样本,然后根据极化SAR图像的统计特性,利用贝叶斯分类器对图像进行分类,提取图像中机场跑道疑似区域,再结合机场跑道的五种结构特征用二叉树法进行判别,最终确定机场跑道区域。利用美国UAVSAR系统采集的多组全极化实测数据对算法进行实验,结果表明,该算法能够有效地检测出跑道,且检测的跑道结构完整,轮廓清晰,虚警率低。      

基于RPCA的SAR图像纹理特征去噪

合成孔径雷达(SAR)图像具有丰富的纹理信息,这些纹理信息能反映地物空间结构关系。当前纹理特征被广泛应用于SAR图像分类和SAR图像分割中。受成像因素影响,直接采用从SAR图像中提取的纹理特征效果不够好。为避免传统先滤波再提取纹理特征的方法对纹理、边缘信息造成损失,提出了一种先提取SAR图像纹理特征,再利用Robust PCA方法对纹理特征去噪的新方法,最后采用Kmeans聚类方法检验RPCA处理后的纹理特征表达效果。实验结果表明该方法能将聚类正确率从82%提高到84%。     

结合特征选择和大尺度谱聚类的极化SAR图像非监督分类

非监督分类是极化SAR图像解译的重要手段,但其分类结果易受到高维特征的影响。针对此问题,本文提出一种结合特征选择和大尺度谱聚类的极化SAR图像非监督分类方法。该方法首先深入分析并提取了极化SAR图像分类中常用的特征参数,包括基于测量数据及其简单线性变换的特征和极化目标分解的特征。然后通过聚类森林特征选择算法进行特征降维处理,去除冗余信息。最后利用过分割产生代表点并构建原始数据与代表点间的二分图,通过大尺度谱聚类算法完成图像的非监督分类。实验结果表明,该方法能够选取有效的特征组合,并得到较为满意的分类效果。      

一种极化SAR图像T型港口识别方法

针对T型港口特有的几何结构特征, 提出了一种极化合成孔径雷达(Synthetic Aperture Radar, SAR)图像T型港口识别方法.该方法利用基于区域统计特性的极化SAR数据水平集分割方法实现精确的海岸线提取.在此基础上通过曲线分裂归并算法提取岸线特征点, 并利用T型港口始末特征点的近距离特性实现感兴趣区域提取.然后采用基于链码的直线判断方法提取港口轮廓线段, 并通过判断轮廓平行直线和垂线特征实现T型港口的识别.使用伯克利地区TerraSAR极化SAR数据进行实验验证, 结果表明了提出算法的有效性, 能在大场景范围内正确识别出沿岸T型港口.     

基于融合边缘检测的SAR图像线性特征提取算法

该文基于合成孔径雷达(SAR)图像低信噪比的特点,设计了一种基于融合边缘检测的线性特征提取算法。首先采用融合Canny算子及ROA算子得到边缘点,然后利用Radon变换得出线基元,最后根据启发式连接的思想连接了由于噪声引起的直线断裂。实测SAR图像的实验结果表明,该文提出的线性特征提取方法能够准确描述SAR图像的线性结构,可应用于自动目标识别和景象匹配等方面。     

噪声图像中提取边缘的蚁群搜索算法

该文提出一种边缘引导的蚁群搜索算法,以解决常用的边缘提取方法抑制噪声能力不强,提取边缘不连续的缺点.此算法首先进行边缘检测获取由真实边缘和噪声组成的可能边缘点;然后利用可能边缘信息引导蚁群迭代搜索局部边缘曲线,并根据蚂蚁搜索曲线的长度更新其行走路径上的信息素分布,使搜索逐渐向真实的边缘收敛;最后,依据信息素遗留提取真实的边缘曲线.相对传统的蚁群算法,该文利用边缘信息引导蚁群搜索,增强了搜索的目的性,提高了算法效率.多组噪声图像的实验表明:该算法能够有效地从噪声图像中提取物体的真实边缘,在最大限度地保留细节信息的同时抑制噪声.     

超宽带SAR图像道路提取算法适应性研究

从道路特征提取的角度,对四种经典道路特征提取方法进行了分析和对比,探讨了它们在超宽带SAR图像道路提取技术中的适应性。超宽带SAR图像道路提取技术是在继承传统方法的基础上,结合在道路的灰度特征或其在自然界中特有的几何特征,形成合适的道路提取算法。在理论分析超宽带SAR图像特点和道路提取经典方法基础上,研究了四种道路提取方法在超宽带SAR图像中的适应性,开展了超宽带SAR图像的道路提取实验,系统总结了各方法针对超宽带SAR图像的优点和不足,形成了超宽带SAR图像道路提取技术的研究思路和道路边缘提取流程,相比经典方法性能得到提高。     

在航拍图像中自动识别机场跑道的算法

提出了一种用于在航拍图像中自动识别机场跑道的方法，首先，根据机场跑道的诸多特征，构造出机场跑道的模型，然后采用假设，检验的方法，在边缘检测后的图像中，进行搜索，连接，合并，将图像中的跑道识别出来，大量的实验证明，这种方法可以自动在航拍图像中准确，快速地识别出机场跑道。     

多策略ATLAS数据优选与影像匹配相结合的SAR高程控制点提取

为了精化星载SAR影像几何参数并提高立体定位精度,借鉴星载激光测高数据光学遥感影像高程控制点提取思路,设计了一种多策略高级地形激光测高系统(ATLAS)数据优选与影像匹配相结合的SAR高程控制点提取方法。该方法采用非夜间观测光子滤除、高置信度光子选取、SRTM DEM辅助的粗差剔除、大偏心率椭圆滤波核平坦区域光子筛选等多种策略,从ATLAS数据ATL03级产品中提取高质量、平坦区域的激光高程点,再依据SRTM DEM对斜距SAR影像进行地理编码,按激光高程点的平面坐标选取局部谷歌地球影像作为足印影像,采用秩自相似描述子进行足印影像与SAR地理编码影像的匹配,得到与激光高程点对应的SAR影像像点坐标,从而提取SAR高程控制点。采用中国登封市、日本横须贺市两个区域的ATLAS数据进行了高分三号SAR高程控制点提取实验,利用提取的高程控制点进行SAR影像几何参数精化,大幅提升了立体定位精度,验证了该文高程控制点提取方法的可行性和有效性。      

基于特征点的红外与可见光图像配准研究

提出了一种基于特征点的红外和可见光图像配准方法。首先根据边缘图像的结构分别提取红外图像特征点和可见光图像特征点,其次根据结合了形状结构和灰度、梯度角信息的配准准则寻找两幅图像的对应特征点,最后利用三对特征点根据刚体变换得到图像的缩放倍率、旋转角度和平移坐标,从而实现两幅图像的配准,并通过实验给予了证明。     

一种适合低空机载平台SAR成像运动补偿方法

低空机载平台的运动存在剧烈的扰动和不确定性,使得通过其进行SAR成像的难度增大,本文提出了将快速后向投影(FFBP)算法和RTK系统高精度定位信息结合进行运动补偿,从而可以快速地获得高质量的SAR图像的方法。由于定义测绘区和成像过程中的子图像划分采用不同的坐标系,使得成像时需要对感兴趣区域进行锁定,本文提出成像区域锁定算法,能够进一步提高计算效率。最后将RTK系统的空间位置信息引入FFBP算法时本文分析了两种思路,一种是将航迹拟合为直线,将各个子图像的原点补偿至一条直线上,另一种思路是将子图像的原点补偿至一条曲线上,后者具有更高的补偿精度和适应性,但是同样也带来更高的复杂度,影响计算效率。通过两组实测数据的比较,本文认为在机载平台航线能够拟合为一条直线的情况下,应该采用近似补偿的方法以获得较高的计算效率。      

SAR图像直线提取

针对合成孔径雷达(SAR)图像中相干斑的统计特性,设计了对应的直线提取算法.首先组合运用Canny算子和Ratio算子得到边缘点及其边缘方向,然后根据边缘方向一致性原理得到初始直线图;最后,通过高层编组方法连接由于噪声引起的直线缺损.本文提出的边缘检测方法克服了边缘方向量化带来的直线断裂,并且具有恒虚警的特性.高层编组过程通过对初始直线图的分析确定可能扩展的直线区域,之后在原始图像中进行统计证实,得到完整的直线图.直线提取算法在X波段机载SAR图像上进行了试验,得到了满意的效果.提取的直线图可以用于遥感图像矢量化、自动目标识别等方面.