梯度-纹理特征超像素分割的SAR图像阴影识别

为了克服基于像素的合成孔径雷达(synthetic aperture radar, SAR)图像阴影自动识别中图斑离散和精度低的问题，提出基于梯度-纹理特征超像素分割的SAR图像阴影自动识别方法。首先，提取SAR图像梯度和纹理特征；然后，综合SAR图像梯度和纹理特征进行主成分分析，再采用简单线性迭代聚类算法(SLIC)对前3个主成分合成的图像进行超像素分割；最后，以超像素为分析单元，采用恒虚警率(CFAR)检测算法识别SAR图像阴影。采用MSTAR图像数据集开展实验，并与“像素+CFAR”和“SAR图像超像素分割+CFAR”阴影识别方法进行定性和定量对比。对比实验显示，该方法识别阴影的MIoU值最高(0.882),Hausdorff距离最小(43.55)。实验结果表明，该方法不仅有效解决了SAR图像阴影识别图斑离散问题，而且识别阴影的准确度、识别的阴影边界与真实边界的符合程度均达到了较理想的效果。     

基于聚类分析的SAR图像变化检测

针对传统变化检测方法用于合成孔径雷达(SAR)图像时不能有效地降低背景变化导致的检测虚警,提出了基于聚类分析的SAR图像变化检测方法。该方法对聚类后SAR图像像素类间变化引入Mahal-anobis距离(M距离),结合变化阈值的选择来分析图像中变化像素的M图,进而实现SAR图像变化检测。仿真结果说明:该方法不仅能克服自然和背景变化给检测带来的困难,而且,不受传感器位置的影响,能有效地对不同时刻的SAR图像进行变化检测。     

基于边缘强度特征和线性谱聚类的 SAR 图像超像素生成方法

面对高分辨合成孔径雷达(SAR)图像的海量数据,学界广泛通过基于超像素的方法 简化图像处理过程。一般适用于光学图像的超像素分割算法对存在斑噪的 SAR 图像分割性能均 不够理想。面向 SAR 图像改进现有超像素生成算法是目前的研究热点之一。在探讨了将边缘强 度特征引入超像素分割算法的可行性的基础上,结合边缘强度特征和线性谱聚类方法,提出了 一种新的 SAR 图像超像素生成方法(e-LSC)。通过仿真 SAR 图像和实测 SAR 图像的比较实验, 证实了 e-LSC 算法与其他几种典型超像素生成算法相比,生成的超像素在边缘贴合度和匀质区 域的规则化上都有所提高。     

基于分布差异的多时相SAR图像变化检测

结合SAR的后向散射特性和成像特点,利用交叉熵给出一种基于Edgeworth多项式的分布差异法检测不同时相的SAR图像变化区域。该方法采用Edgeworth多项式拟合SAR图像的密度分布,利用交叉熵计算两幅图像的差异指数,获得的差异图像能较好地反映图像变化情况,抑制了SAR图像固有的斑点噪声影响,采用CFAR分割差异图像得到的变化检测结果表明该方法具有高检测率、低虚警率的特点。     

SAR图像的最优分割方法

根据SAR图像的概率密度函数获得图像的拟然函数,然后将似然函数和边界约束方程结合起来,提出适合于SAR图像分割的代价函数,其中边界约束方程引入邻域结构信息来保证区域边界的规则性,通过使代价函数最小来获得图像的最优分割。算法首先将原图分割成一定大小的块状区域作为初始分割,每一区域代表一个类别;然后随机调整相邻两个区域之间的像素,通过比较代价函数的变化,利用模拟退火算法确定接受该调整的概率。模拟退火是一种求解全局最优的算法,当温度趋向于0时,它可以获得使代价函数最小的SAR图像的分割。最后,利用基于相似性的融合方法对分割进行后期处理,将相似的较小的区域融合成较大的区域,使得分割更合理。我们将该算法应用到一些SAR测试图像上,获得了比较满意的结果。     

一种基于新差异算子和纹理的SAR图像水体变化检测算法

针对多时相合成孔径雷达(SAR)变化检测中的孤立噪声点、需人工选择部分参数、信息利用不全等问题,提出一种基于新差异算子和纹理的SAR图像水体变化检测算法。一是根据SAR图像的特征,结合比率检测算子(LR)和最大似然比检测算子(LLR),提出一种新的差异算子,放大非变化和变化区域的特点,然后根据新差异图像的相邻直方图比值图确定差异图像初始分割阈值。二是提出一种新的基于局部信息的模糊C均值聚类(FLICM)方法,该方法利用初始分割阈值得到初始聚类中心,然后提出基于纹理的FLICM(FLICM_texture)方法进一步将差异图像分为3类。三是根据差异图像分割的阈值将过渡区域再次分类。本文利用加拿大渥太华和瑞士伯尔尼市、印度金奈上空的SAR图像,展示了本文方法的优越性。渥太华地区的正确率(PCC)达到了98.00%,kappa系数达到了92.03%;伯尔尼地区PCC达到了99.66%,kappa系数达到了85.77%;金奈地区PCC达到了98.83%,kappa系数达到了84.96%。     

基于超像素的点互信息边界检测算法

点互信息（PMI）边界检测算法能准确检测图像中的边界,但算法效率受制于采样点的提取。针对采样过程中存在随机性和信息冗余的问题,提出一种利用超像素分割提供的中层结构信息来指导点对选取的方法。首先使用超像素算法对图像进行初始分割,将图像划分成大小形状近似的像素块;然后选取落在相邻超像素中的像素点对,从而使样本点的选取更有目的性,在采样点数目较少时,保证样本点仍能有效完整地获取图像信息。实验通过与原始的PMI边界检测算法在伯克利分割数据库（BSDS）上进行比对验证得出,基于超像素的PMI边界检测算法在采样点对为3500时,平均精准度（AP）达到0.7917,而原始算法则需要6000个同样环境下的采样点对。基于超像素的PMI边界检测算法在保证了检测精度的同时减少了所需的采样点数目,从而能有效提高算法的实时性。     

多尺度子空间融合谱聚类的SAR图像变化检测

针对SAR图像变化检测领域中存在的地物结构特征混杂多变和单一尺度检测易造成误检的问题,提出了一种基于多尺度子空间融合谱聚类的SAR图像变化检测方法。首先,输入配准后的2个时相SAR图像,生成对数比和均值比2种差异图;其次,引入形态学模型MP(morphological profile),完成对差异图像的多尺度扩展,形成高维多尺度子空间,提取SAR图像中不同尺寸地物的几何结构信息;最后,利用随机采样谱聚类的子空间融合算法,实现子空间特征的优化融合,生成最终的检测结果。实验结果表明,多尺度子空间融合能够有效抑制变化中的虚警率,与其他变化检测方法相比,具有更高的检测准确率。     

面向对象特征融合的高分辨率遥感图像变化检测方法*

针对高分辨率遥感图像变化检测的难点和传统像元级变化检测方法的局限性,提出了基于面向对象的思想,利用分割后图像对象的光谱特征、纹理特征、形状特征分别进行变化检测,然后将不同对象特征检测结果进行融合得到最终结果。实验表明了本方法比传统的像素级方法对高分辨率遥感图像变化检测有较强的优势。     

融合超像素和CNN的CT图像分割方法

提出了一种融合超像素和CNN的CT图像器官主动轮廓分割方法。用超像素SLIC方法将CT图像网格化并分配标签;将网格化后图像作为数据集训练CNN网络分割出器官（如肝脏、肺部等）边界超像素,并将这些超像素的种子点连接成为粗分割边界;将粗分割边界作为初始轮廓,进行模糊主动轮廓分割得到CT图像中器官的边界。经过实验对比,该方法对肺部CT图像的分割平均DC系数达到97%、平均ASD系数达到1.23 mm。在肝脏CT图像方面与参考算法进行相比,在保证分割精度的前提下,VOE系数平均减少1%,切片图像的分割时间平均提高10 s。     

一种基于自适应背景杂波模型的宽幅SAR图像CFAR舰船检测算法

利用海洋宽幅SAR图像进行大范围海域舰船检测在海洋监视、军事侦察等方面具有重要应用。由于海况的复杂性,宽幅SAR图像背景杂波特性随海域不同而变化。采用双参数CFAR检测算法和基于K分布CFAR检测算法在处理宽幅SAR图像时,由于在待检测的所有区域采用同种背景杂波模型,导致使用的杂波模型在不适应区域失配,使CFAR检测性能下降。针对这个问题,提出了一种基于自适应背景杂波模型的CFAR宽幅SAR图像舰船检测算法,该算法通过背景窗口的多尺度统计方差判断目标所处的杂波环境,自适应选择对应的背景杂波分布模型,最后根据已知的恒虚警率及选择的杂波概率密度函数进行CFAR检测。对20多幅宽幅SAR图像进行了试验,实验结果表明:该算法在检测精度上有明显的改善。     

Change Detection of Han Hangu Pass World Heritage Site based on PALSAR-1 Remote Sensing Images

Due to its data acquisition capacity in all\|weather and all\|time conditions,Synthetic Aperture Radar(SAR) technology has been a valuable tool in change detection,implying the potential in various applications.In this paper,we jointly applied SAR coherent information and intensity information for the change detection (primarily caused by the demolition behavior in 2010~2011)in the study site of Han Hangu Pass (a World Heritage site)using seven PALSAR\|1 remote sensing images acquired in the period from 2007 to 2011.Results show that the two change detection methods,either based on coherent information or intensity information,yielded reliable results,with the detection probability of 0.868 and 0.697,respectively,in conjunction with the false\|alarm probability of 0.385 and 0.197.The comparison related to two methodsindicated that the coherence of PALSAR\|1 was more sensitive to the surface change than the other owing to its higher signal\|to\|noise ratio.Limited by the negative impacts of speckle and low\|median resolution,the application of intensity\|based change detection using PALSAR\|1 still remains problematic.     

高分辨率光学遥感影像舰船检测算法研究

针对传统舰船检测方法在高分辨率光学遥感影像中虚警率较高的问题,提出了一种适用于高分辨率光学遥感影像的舰船检测算法。利用能够表征地物纹理特征的二维图像熵结合区域生长原理实现海陆分离,在舰船目标分割阶段,引入视觉显著性模型,解决了不能分割暗极性舰船目标的问题,大部分场景下分割精度较高。最后在分割出的候选目标中,采用多特征量综合的方法剔除虚警。结果表明,该算法在舰船目标检测中有较高的检测率和较低的虚警率。     

结合结构相似度的自适应多尺度SAR图像变化检测

目的 结合高斯核函数特有的性质,提出一种基于结构相似度的自适应多尺度SAR图像变化检测算法。方法 本文提出的算法包括差异图像获取、高斯多尺度分解、基于结构相似性的最优尺度选择、特征矢量构造以及模糊C均值分类。首先,通过对多时相SAR图像进行对数比运算获取差异图像,然后,利用基于图像的结构相似度估计高斯多尺度变换的最优尺度,继而在该最优尺度参数下逐像素构建变化检测特征矢量,最后通过模糊C均值聚类方法实现变化像素与未变化像素的分离,生成最终的变化检测结果图。结果 在两组真实的SAR图像数据上测试本文算法,正确检测率分别达到0.9952和0.9623,Kappa系数分别为0.8200和0.8540,相比传统算法有了较大的提高。结论 本文算法充分利用了尺度信息,对噪声的鲁棒性有所提高。实测SAR数据的实验结果表明,本文算法可以智能获取最优分解尺度,显著提高了SAR图像变化检测性能。     

Perceptual hashing for SAR image segmentation

Image segmentation is an important step in the implementation of the interpretation of synthetic aperture radar (SAR) image due to speckle. This article proposes a SAR image segmentation method based on perceptual hashing. The new algorithm is divided into two phases. The first phase is to obtain initial regions with multi-thresholding based on histogram after reducing the speckle noise. The initial regions are used as input data. And the next phase is to merge regions according to the similarity between regions. In this phase, to segment SAR image effectively, the proposed hashing algorithm is used to obtain hash value and similarity between regions, which preserve the texture features of SAR images. In addition, we can obtain a smooth segmentation result by reducing the redundant information with principal component analysis. Furthermore, morphological methods are used to eliminate the uneven background in the segmentation results. These improvements make our algorithm more effective to segment the images with high speed. The experimental results of four real and one synthetic SAR images verify the efficiency of our algorithm.     

A target detection algorithm for SAR images based on regional probability statistics and saliency analysis

In comparison with optical images, a Synthetic Aperture Radar (SAR) image has many defects, such as low resolution, strong noise interference and random distribution of the target, which increases the false alarm rate of traditional detection methods. To improve the detection accuracy of the SAR image, a novel detection method is proposed based on regional probability statistics and saliency analysis. A saliency analysis model based on dense and sparse reconstruction (DSR) is reconstructed to locate the target precisely. Firstly, the regional probability of the SAR image is estimated to extract the background region. And then, the extracted background sub-blocks are clustered and employed to replace the corresponding background template set of the DSR model. Subsequently, the reconstructed DSR model is used to extract the target, and the detection accuracy of the proposed method is enhanced greatly. Compared with the constant false alarm rate (CFAR)-based detection method, the proposed method can achieve a high detection accuracy and protect the edges of the SAR image.     

基于Multi-Path RefineNet的多特征高分辨率SAR图像道路提取算法

为解决现有高分辨率SAR图像道路提取算法自动化较差、普适性不高的问题,提出了一种基于多路径优化网络的多特征提取算法。首先,对SAR图像进行Gabor变换及灰度梯度共生矩阵变换,获取丰富的道路特征信息,联结级联优化网络和残差网络形成多路径优化网络;然后,对SAR原图、获取的低级特征图和标签图进行训练,充分利用每层网络提取的道路特征获取初始分割的道路结果;最后,利用数学形态学运算连接初始道路断裂处并去除虚警。利用所提算法对不同分辨率的SAR图像进行道路提取,实验结果表明,该算法在提取SAR图像道路方面适用范围广且道路提取效果佳。     

基于局部窗口K分布的快速舰船检测算法

针对局部窗口K分布检测算法运算速度慢、计算效率低的问题,提出了一种基于局部窗口K分布的快速舰船目标检测算法。该算法首先采用迭代分割算法对原始合成孔径雷达(SAR)图像进行预筛选处理,根据预筛选选出潜在目标,在原始SAR图像中剔除潜在目标像素;然后利用背景图像计算二阶和四阶积分图像,在每一个像素点处采用滑动窗口的方式,在积分图像中进行加减计算确定所在位置的二四阶矩并估计K分布的参数;其次,确定概率密度函数后,通过求解函数得到检测阈值,根据检测阈值确定感兴趣区域;最后,通过模糊差影的鉴别方法对目标中的虚警目标进行进一步剔除,进而完成检测。通过实测SAR图像检测实验,积分算法与局部窗口的K分布算法相比将运算所需时间降低了50%,基于模糊差影的鉴别算法将品质因素由44.4%提高到100%。所提算法既保证了算法的实时性,又提高了检测的精度,在进行SAR舰船自动检测方面具有一定的应用价值。     

基于SAR图像的自动船只检测模型与算法实现

船只检测是实现船只航行安全的重要方法之一,利用SAR图像可实现船只检测。本文论述了海上船只检测的方法、过程及相应的算法。根据实际检测多位于存在陆地和岛屿的近海图像,利用分形维作为海陆分割的阈值,采用改进的分裂合并算法进行分割,并利用轮廓跟踪及种子填充消除分割遗留的孤立区域,使得海陆分割达到了较好的效果。在比较、试验的基础上,船只检测中采用了改进的CFAR算法,依据视数的不同选择不同的杂波模型,既消除了杂波模型参数计算复杂性,又取得了较好的时效性。通过试验证明,本文提出的算法在实际检测中取得了较好的效果,识别率高、虚景率低且实时性好。     

Fully Polarimetric SAR Ship Detection based onPCDM Shannon Entropy#br#

Polarimetric Synthetic Aperture Radar（PolSAR）data contains rich polarization information about the scattering properties of ground objects,having beenwidely used in maritime monitoring and objects detection.The polarization reaction differences between ship targets and sea clutters are analyzed.A ship detection method using the Shannon entropy of the Polarimetric Covariance Difference Matrix (PCDM) is proposed in this paper,which is applied to fully polarimetric SAR images.To enhance the contrast between the ship targets and sea background,the PCDM is generated by calculating the elemental differences between the polarimetric covariance matrix at each pixel and its neighbors.Then the Shannon entropy of SAR images are extracted on the basis of the Shannon entropy calculation formula,and the character difference between the ships and background in the Shannon entropy map is presented for ship detection.The false alarms in the detection result caused by the azimuth ambiguities are removed,based on the displacement distance and energy ratio relationship,between the target and azimuth ambiguity.The Radarsat\|2 Fine Quad data and the Chinese GF\|3 Quad\|Polarimetric Stripmap Ⅰ data are used,to verify the effectiveness of the proposed method,and the SPAN method,HV channel image and polarimetric whitening filter (PWF) method are applied for comparison.The detection and comparison results indicate that the proposed method is able to effectively enhance the ship\|sea contrast,and has higher detection accuracy.