基于ROI和证据理论的目标融合检测算法

考虑合成孔径雷达图像(SAR)和光学图像的互补特性,提出了一种基于感兴趣目标区域(regions of interest, ROI)决策层融合的军事目标检测方法:分别在SAR图像和光学图像中提取出ROI,再利用各自的统计特征和几何特征给提取出的ROI分配置信度,以表示正确鉴别ROI的概率。最后在决策层上运用D-S证据理论融合两个源中同一ROI的置信度,获得更可靠的融合检测结果。该方法很好的实现了SAR和光学图像的优势互补,并在对遥感图像测试集的试验中得到了验证。      

SAR 和光学图像精配准技术的研究

光学图像和SAR 图像的配准是实现多源图像融合和复合分析的基础,该文介绍了一种光学图像和SAR图像精配准的方法。首先采用人工的方式选择3～4 个同名控制点,在此基础上实现图像的粗略配准,保证SAR与光学图像尺度和旋转的归一化;然后在粗配准的光学图像上提取特征点,并分别采用不同的梯度算子提取SAR和光学图像的梯度强度,基于梯度强度进行归一化互相关,从而得到不同图像上的同名特征点;最后根据提取的同名特征点构建不规则三角网,并对每个三角网构成的小面元进行图像的精确配准,最终实现SAR 和光学图像的精配准。通过采用星载图像的精配准处理和检验,证明了该方法的可行性,能获得较好的配准效果。      

基于空间与光谱注意力的光学图像和SAR图像特征融合分类方法

针对多源遥感图像的差异性和互补性问题,该文提出一种基于空间与光谱注意力的光学图像和SAR图像特征融合分类方法。首先利用卷积神经网络分别进行光学图像和SAR图像的特征提取,设计空间注意力和光谱注意力组成的注意力模块分析特征重要程度,生成不同特征的权重进行特征融合增强,同时减弱对无效信息的关注,从而提高光学和SAR图像融合分类精度。通过在两组光学和SAR图像数据集上进行对比实验,结果表明所提方法取得更高的融合分类精度。     

遥感图像融合效果评估方法

遥感图像融合效果评估是目前遥感图像融合领域中亟待解决的问题,直接影响遥感图像融合处理技术的发展.文中在构建多源遥感图像融合处理估计模型的基础上,重点讨论分析遥感图像融合效果的主、客观评价技术的发展现状,进行SAR图像与光学图像的融合处理仿真实验,优选相关系数及峰值信噪比完成SAR图像与光学图像的融合效果评估处理.同时,还讨论了目前图像融合效果评估中存在的主要问题,对进一步研究图像融合效果评估有很好的意义.     

非精确配准下SAR与光学机场图像的区域融合检测

针对SAR和光学两种异构传感器图像配准精度的局限性,提出一种新的分割方法及融合策略,最大限度地降低对配准精度的要求,提高了非精确配准下SAR和光学图像融合检测概率。首先对SAR和光学图像中的目标进行边缘和区域信息的提取,并以Ratio算子值为依据进行边缘连接,将图像分为有限个连通区域;然后通过模糊集判断进行两图像相近区域融合,以域内Ratio均值作为隶属度权值进行融合检测,在保证检测概率的前提下降低了虚警,获得了比单一传感器更精确、更完整的目标信息。     

基于局部特征差异的异源图像融合算法

针对现有异源图像融合多以光学 图像为主、合成孔径雷达 (SAR)图 为辅和 光学图像 极易受 传播媒介 干扰 且 不 能同时保留纹理细节与颜色信息 等 问题, 提出一种新的基于局部特征差异的异源图像融合算法。 首先通 过 自适应分割 将 SAR 图像划分为规则特征区和不规则特征区两个区域;然后 进行 平移不变 离散 小波变换(SIDWT), 再根据 局部特征差异 性 设计 融合规 则,将 SAR 图像与全色遥感(PAN)图像的 小波系数 进行融合 , 以期保留图像的特征 信息与色彩信息 ;最后 通过 信息量 、 清晰度等 客观 评价指标 对 融合结果进行评价与分析 。 仿真实验 证明 了算法的有效性。     

基于多尺度多方向Gabor模板的光学/SAR景象匹配

合成孔径雷达(SAR)成像制导通常采用光学基准图和SAR实时图进行特征提取和景象匹配.提出了一种光学/SAR异类影像匹配方法,利用多尺度多方向Gabor模板提取图像的Gabor特征后进行特征匹配,首先对SAR图像进行方向Frost滤波预处理,然后分别计算光学图像和SAR图像的高斯梯度图像,再利用多尺度多方向二维Gabor滤波器模板分别对两幅高斯梯度图像进行特征提取,最后对两组特征矩阵进行归一化互相关匹配.该方法直接利用光学图像和SAR实时图进行景象匹配,实验表明,该异类影像匹配方法较其他传统方法具有较高的鲁棒性和准确性.     

基于金字塔方法的SAR图像与光学图像的融合

对金字塔方法和IHS方法在SAR图像与光学图像融合中的应用进行了研究。分析了它们的优缺点和局限性，并结合具体融合实验，给出了改进的算法和一些灵活的处理方法。实验结果表明，改进后的算法比传统的高斯拉普拉斯金字塔方法有更好的融合效果。     

基于粗配准SAR图像变化检测方法

合成孔径雷达(SAR)图像由于受相干斑噪声的影响,在对其进行配准及变化检测时,经典的适于光学图像的方法效果不佳。该文先通过选取少量控制点实现SAR图像的粗配准,然后利用直方图规定化对SAR图像进行图像灰度匹配处理,在此基础上根据待检测目标特性选取适当的阈值,利用滑动矩形窗实现改进的基于图像差值的变化检测。真实SAR图像的实验结果表明,该方法能有效克服图像照度差异和粗配准误差的影响,取得满意的检测结果。     

基于独立分量分析的多分辨率遥感图像融合算法

研究了目前常用的遥感图像融合方法，提出了基于独立分量分析的多分辨率遥感图像融合方法，分析了用于独立分量分析的目标函数（如峭度、近似负熵和互信息），给出了独立分量分析的优化快速算法，并详细描述了提取源信息独立分量的具体步骤。最后，将独立分量分析法应用于高分辨率光学图像和低分辨率光学图像的融合，与采用主分量分析法融合的图像相比，图像质量得到很大的提高。     

基于边缘特征的SAR图像与光学图像的匹配

提出了一种新的基于边缘特征的合成孔径雷达(SAR)图像与光学图像相匹配的算法，可用于无人飞行器的导航。首先针对SAR图像低信噪比的特定情况，提出了一种简单实用的线状特征提取方法。而后在提取边缘的基础上，采用改进的具有强抗干扰能力和容错能力的Hausdorff距离作为相似性准则进行图像匹配。在搜索策略上．采用遗传算法来加快搜索的速度。实验结果表明，这种算法匹配精度高，计算速度快。     

一种利用SAR和可见光图像融合检测目标的方法

本文利用军事目标在SAR图像中具有较大的雷达散射截面,后向散射强以及在可见光图像中几何外形清晰的特点,提出一种利用SAR图像和可见光图像多维特征检测目标的方法。该方法分为图像预处理,目标检测和融合检测三部分。首先,利用基于特征匹配的方法对多传感器图像进行配准。其次,利用全局双参数恒虚警(CFAR)方法检测SAR图像中的目标,经过滤波处理后,确定感兴趣区域(Region Of Interesting,ROI)并提取目标的SAR图像特征;将ROI映射到可见光图像中,对该区域进行边缘检测、滤波、连通性分析、提取目标的可见光图像特征。最后,在特征层利用特征向量距离准则融合检测目标。实验结果表明该方法性能优于单传感器检测方法,且能有效的改进目标检测性能。      

Joint Regularization of Phase and Amplitude of InSAR Data: Application to 3-D Reconstruction

Interferometric synthetic aperture radar (SAR) images suffer from a strong noise, and their regularization is often a prerequisite for successful use of their information. Independently of the unwrapping problem, interferometric phase denoising is a difficult task due to shadows and discontinuities. In this paper, we propose to jointly filter phase and amplitude data in a Markovian framework. The regularization term is expressed by the minimization of the total variation and may combine different information (phase, amplitude, optical data). First, a fast and approximate optimization algorithm for vectorial data is briefly presented. Then, two applications are described. The first one is a direct application of this algorithm for 3-D reconstruction in urban areas with very high resolution images. The second one is an adaptation of this framework to the fusion of SAR and optical data. Results on aerial SAR images are presented.      

基于光学和SAR遥感图像融合的洪灾区域检测方法

基于光学和合成孔径雷达(SAR)图像融合的洪灾区域检测方法可以全天候、高时效地检测洪灾区域。由于SAR图像中存在大量随机分布的相干斑噪声，传统洪灾区域检测方法的检测结果存在较高的虚警率。该文在模糊C均值聚类方法(FCM)的基础上提出了分级聚类算法(H-FCM)，该方法将洪灾后的SAR图像与洪灾前的光学图像融合。基于融合图像，该方法利用提出的分级聚类模型获得洪灾区域的初步检测结果。此外，该算法在利用所提出的区域生长算法获得洪灾前河流位置后，将其作为初步检测结果的空间约束，进一步筛除疑似洪灾区域，并显著地提升了检测性能。该文的实验数据包括1999年英国格洛斯特洪灾前后的遥感图像和2019年中国南昌洪灾前后的遥感图像。通过对比实验，H-FCM算法的有效性得到验证。      

弹载SAR图像几何失真校正误差分析

该文主要讨论了弹载侧视合成孔径雷达(SAR)在导弹下降飞行过程中所获取图像的几何失真校正及其误差分析问题。由于要求成像的过程中,弹体的高度在不断减小,SAR图像存在严重的几何失真,该文根据成像过程中的几何关系,说明了采用子孔径RD算法获得的SAR图像几何失真的校正方法,着重对校正后图像的几何失真误差进行了分析,通过成像处理仿真试验验证了几何校正方法以及误差分析的正确性。     

基于Curvelet变换的SAR与可见光图像融合研究

提出了一种基于Curvelet变换的合成孔径雷达(SAR)与可见光图像融合方法,设计了一种有效抑制噪声并充分保留源图像重要特征的融合规则。采用偏差指数、相关系数及等效视数指标对融合效果进行评价。实验证明,该方法明显优于基于小波和Ridgelet变换的融合方法。     

基于非均匀快速傅里叶变换的SAR方位向运动补偿算法

沿航向的非匀速运动对SAR成像质量有很大影响,而运动补偿后SAR图像存在几何形变,影响子图像拼接和多波段SAR图像融合。当沿航向速度误差较大时,实图像域插值校正后图像残留的几何形变不能忽略。基于上述问题,该文提出一种基于非均匀傅里叶变换的SAR方位向运动补偿算法,算法直接对方位向的非均匀数据进行非均匀快速傅里叶变换(NUFFT)。该算法的定位误差和几何形变比实图像域插值校正几何形变算法小1到2个数量级,对沿航向速度误差有很强的鲁棒性,补偿后数据的幅度和相位信息都得以保留。SAR仿真和实测数据验证了该算法的有效性。