一种基于局部梯度比率特征度量SAR图像相似性的新方法

本文针对SAR图像相干斑噪声和图像局部梯度特性,提出一种基于局部梯度比率特征的相似度准则.首先提取SAR图像各个像素的梯度比率特征,进而构建局部梯度比率特征直方图LGRPH,并进一步分析多尺度LGRPH,最后通过计算多尺度LGRPH的K-L距离定义相似度.基于SAR仿真和实测图像的实验结果表明,本文提出的相似度准则对SAR图像上相干斑噪声和局部梯度变化不敏感,能有效应用于SAR图像的目标识别.     

一种基于像素差值编码度量不确定SAR图像相似性的新方法

在SAR图像目标识别、图像匹配等应用中,定义合理可靠的相似度尤为重要。该文在分析现有SAR图像相似度基础上,提出一种基于像素差值编码的相似度准则。首先将SAR图像按照相邻像素灰度差异生成编码图像,然后以编码图像之间的一致性作为相似度。该文从理论上证明了该相似度对SAR图像中相干斑噪声、部分遮挡和模糊等因素的鲁棒性和适应性,还讨论了将该准则应用于SAR图像匹配时,如何针对不确定性,给出一定置信水平下所有合理的匹配位置。理论和实验结果表明该文提出的相似度准则对SAR图像上相干斑噪声、部分遮挡以及模糊不敏感,能有效应用于不确定SAR图像的匹配。     

基于低秩矩阵恢复的SAR图像相干斑抑制方法

针对合成孔径雷达(SAR)图像相干斑噪声的特点,提出了一种基于低秩矩阵恢复的SAR图像相干斑抑制算法。该算法首先对SAR图像进行对数变换,将SAR图像相干斑乘性噪声转化为加性噪声;然后对变换后图像等步长遍历提取图像子参考块,利用局部块匹配技术寻找子参考块的相似块组建相似子集,合并数据集中所有相似子集,构建近似低秩的矩阵;再通过低秩矩阵恢复算法将矩阵分解为低秩矩阵部分和稀疏矩阵部分;最后将低秩矩阵部分逆变换回图像块,基于图像块灰度值对图像的每个像素进行加权重构,生成相干斑抑制后的SAR图像。实验表明,文中所提出的算法能够有效抑制SAR图像中的相干斑噪声,同时很好地保留了边缘细节特征。     

一种基于复小波域的SAR图像相干斑抑制算法

相干斑噪声是SAR图像的固有特性.对相干斑噪声的抑制应在滤除噪声的同时尽量保留原图像的细节信息.本文针对SAR图像相干斑噪声的统计特性,将高斯混合尺度模型(GSM)引入二元树复小波(DTCWT)变换域,构造基于复小波域分解系数的邻域模型,将其相邻尺度邻域视为高斯变量和一个尺度因子的乘积,并利用Bayes最小均方估计进行局部去噪.对仿真图像和真实SAR图像的实验表明,本文方法有效去除斑点噪声,且较好的保持了图像边缘等细节信息.与传统的空域滤波和小波等方法相比,该方法改善了噪声平滑和边缘保持等性能,并取得了满意的视觉效果.     

SAR图像频域特征保护的相干斑噪声抑制方法

针对SAR图像相干斑噪声抑制和特征保持问题,建立了多尺度自卷积(MSA)和相位一致(PC)的滤波器模型,结合MSA频域变换多尺度均值和PC高精度特征定位的特点,提出了一种频域有特征保护的SAR图像相干斑噪声抑制算法。算法判断SAR图像中不同类型区域,选择不同的滤波策略。对均匀区域采用MSA滤波;由PC测度判断特征区域,并对特征区域采用PC测度加强的MSA滤波;对分离点目标区域,采用观察值与MSA算术平均滤波。算法有效地解决了空域方法对SAR图像噪声抑制效果好而易破坏细节特征的矛盾。仿真实验和滤波性能评估指标分析显示,算法具有良好的抑制SAR图像相干斑噪声和保护特征的能力。     

SAR图像目标综合检测方法

基于SAR(合成孔径雷达)图像杂波结构,结合小波变换和自适应维纳滤波提出了一种新的抑制SAR图像相干斑噪声方法,该方法能够较好保留杂波边缘和点目标.分析了抑制SAR图像相干斑噪声后的多分布特性,研究了相应的SAR目标检测,提出了一种新的SAR图像目标检测方法及其实现.实际SAR图像测试结果表明了本文方法的有效性.     

一种用各向异性扩散方程抑制SAR相干斑噪声的方法

本文提出了一种基于各向异性扩散偏微分方程抑制合成孔径雷达(SAR)图像的相干斑噪声的算法,简称DSADE算法。本算法根据SAR图像的局部特征在均匀区域各向同性扩散,边缘细节区域各向异性扩散,不仅可以很好地保持边缘细节信息,而且可以对其进行增强。实验结果表明,本算法不仅有效抑制了SAR图像的相干斑噪声,保持并增强了边缘细节,而且有着良好的图像视觉效果。     

一种新的高分辨率SAR图像相干斑噪声抑制算法

提出了一种新的基于小波变换对高分辨率合成孔径雷达图像相干斑噪声抑制的算法。首先从SAR图像相干斑噪声产生的机理出发，论述了通过传统的滤波方法在抑制高分辨率SAR图像的相干斑噪声时，损失了大量的边缘信息和纹理细节而采用小波变换降噪的优越性和必要性；其次论述了在小波域中如何利用高频局部的统计特性和分解尺度大小来选取滤波窗口尺寸进行滤波；最后通过实验结果说明了该方法比采用传统的固定窗来实现对高分辨率SAR图像的降噪、保留边缘信息和纹理细节有着更好的性能。     

基于合成孔径雷达的SAR图像去噪

针对SAR图像相干斑抑制问题.提出一种双变量收缩函数与小波系数显著性增强相结合的SAR图像的斑点抑制算法.文中将双树复小波推广至斑点噪声模型,利用相邻尺度小波系数的联合概率密度函数与噪声的统计模型联立后.通过最大后验概率估计出滤波后图像的小波系数.再采用小波系数的模极大值准则对系数进行显著性增强.突出图像的边缘特征和点特征.仿真实验表明.与其他传统的去噪算法相比.本文提出的算法具有更好的去噪效果.     

基于变分的SAR图像目标特征增强方法

研究了SAR图像目标特征增强的变分方法.通过分析P-M扩散方程中的扩散系数,得出梯度(Canny)边缘检测算子对SAR图像的非恒虚警性使得滤波后图像的边缘变得模糊.而ROA算子能有效地检测出图像中的边缘,但较难检测出图像中的强散射点目标.基于SAR幅度图像中相干斑噪声的Rayle igh分布,从最大后验概率估计出发,结合ROA边缘检测图像以及SAR幅度信息来构造扩散系数,建立SAR图像目标特征增强的变分模型.实测SAR图像处理结果显示该方法在充分抑制均匀区域的相干斑噪声的同时能较好地保护并增强图像的边缘和强散射区域.     

SAR图像不确定轮廓相似度及其可信度构建方法

SAR图像相似度准则是目标识别、图像匹配等研究内容的基础,定义合理可靠的相似度将极大地提高SAR图像解译能力。该文针对SAR图像轮廓特点,提出一种基于不确定轮廓的相似度置信区间及其可信度构建方法。首先将SAR图像不确定轮廓模糊化得到相似度定义,进而通过分析模糊模型分布函数,在给定显著性水平下得到相似度置信区间,并给出可信度定义。实验结果表明,该方法对轮廓定位有一定容错性,对一定程度的断裂轮廓及多边缘轮廓也能得到合理的相似度范围和可信度,符合人眼视觉感知。     

基于自适应Bilateral滤波的SAR图像相干斑抑制

SAR图像的相干斑抑制一直是SAR图像预处理的关键步骤。Bilateral滤波器是一类可以同时利用像素间的空间相似性与灰度相似性进行图像去噪的算法。针对直接用Bilateral滤波器进行相干斑抑制时存在空间方差系数选择困难及灰度相似性模型不合理的问题,该文提出一种自适应Bilateral滤波算法,该算法根据图像的局域变差系数自动调整空间方差系数,利用SAR图像的似然概率函数代替高斯函数来进行灰度相似性度量。理论分析及实验表明,提出方法较相关算法有更强的噪声平滑能力和更好的细节保持能力。     

基于表征转换机的SAR图像目标分割方法

针对SAR(Synthetic Aperture Radar)图像中的目标分割问题,由于目标与杂波空间模式(像素强度和分布)不同,通过分析图像空间模式的方式可达到分辨目标和杂波并分割目标的目的。该文基于表征转换机理论提出一种有效的SAR图像目标分割方法,该算法分析SAR图像中的空间模式,计算其与参考杂波图像的相似程度,最后将与参考杂波相似程度较高的部分消除以达到分割目标的目的,并在衡量相似度部分使用基于累积直方图的自动阈值选取办法。仿真和实测数据的实验验证了此算法的有效性。      

基于图上随机游走过程的SAR图像图谱分割方法

基于图上的随机游走过程,提出了一种新的合成孔径雷达(SAR)图像图谱分割方法。首先根据SAR图像的统计性质,构造了适合于SAR图像的相似度度量函数;然后在正交谱分解和矩阵逼近理论的基础上,建立了SAR图像图谱分割方法中分类数目的确定准则。最后实现了基于谱聚类的SAR图像分割,并通过实验证明了所提方法的有效性和应用潜力。     

一种SAR图象的多方向多尺度融合边缘检测方法

本文从SAR图象的斑点噪声的特性分析出发，对以局部均值比ROA算子的统计特性进行了分析，给出了检测阈值和检测率的关系，提出了解决图象边缘过检测和欠检测的多方向多尺度融合检测算子，并将融合检测算子与其它Canny检测算子的检测结果进行了比较。     

融合局部和非局部信息的自适应贝叶斯分割方法

传统基于马尔可夫随机场(MRF)的贝叶斯分割方法由于只考虑邻域像素点的先验影响,无法有效抑制相干斑噪声;边缘区域分割效果欠佳,因为先验模型假定邻域中每个像素对中心像素的影响相同。因而,该文提出一种融合局部和非局部信息的自适应贝叶斯分割方法。针对SAR图像中的相干斑噪声模型,引入基于比率概率的相似性测度,用非局部相似像素块指导当前像素点的分割;并且采用变分系数(Coefficient of Variation, CV)方法获取边缘区域图像模板,在边缘区域自适应地调整定义的结构指数以及搜索窗尺寸,从而改善分割过度平滑与结构保持的矛盾;在实验分析中,利用新方法对部分图像进行了分割实验,并与传统方法作了比较。改进方法的分割结果形状更为准确,不但抑制了相干斑噪声,还有效保持了细节特征,具有显著优势。     

基于场景相似性度量的SAR图像抑斑

通过研究SAR图像的信号相关加性噪声模型,结合提出的加性残留噪声模型得到一种图像域的期望加权滤波器,并引入像素间的相似性作为加权时的权值。接着,指出传统像素间相似性的度量方法不能鲁棒地用于噪声图像,提出从图像的灰度特性和空间结构两个方面考虑,利用灰度和梯度距离度量像素间的相似性,并应用局部场景之间的相似性估计像素间的相似性使之可靠地应用于SAR图像。实验表明,所提出的算法具有相当出色的抑斑性能,在有效的抑制斑点噪声的同时,均匀区域几乎没有出现“振铃”效应,并且非常好地保持了原始图像的边缘、纹理和点状目标。     

基于局部模式的加权估计纹理分析在人脸识别中的应用

传统的纹理分析方法仅以每个脸部区域的相对贡献来标记全局相似度,针对这种以局部表示全局而导致不能很好地进行特征提取的问题,提出了基于局部模式的加权估计纹理分析(Weighting Estimation for Texture Analysis, WETA)方法。首先使用局部二值模式（Local Binary Pattern, LBP）或者局部相位量化（Local Phase Quantization, LPQ）对图像进行纹理编码,并将其划分成各个大小相等且不重叠的局部小块;然后从相似空间中提取出最具识别力的坐标轴,利用编码与数据库的不同组合估算出权值;最后,通过权值优化给出了最佳解决方案,并采用相似性度量距离转换完成人脸的识别。在FERET和ORL两大通用人脸数据库上的实验验证了所提方法的有效性,实验结果表明,与最先进的纹理方法相比,所提方法取得了更好的识别性能。     

基于梯度特征的弱小目标检测北大核心CSCD

针对传统检测方法对低对比度和低信噪比弱小目标检测难度大的问题,提出一种基于梯度特征提取的弱小目标检测方法。首先利用弱小目标的各向同性及在梯度空间中的正负分布特性,提取两个方向梯度特征;然后通过改进的局部对比度算法分别抑制两个方向梯度特征的相似性,融合两个抑制相似性的方向梯度特征,增强目标同时抑制背景;最后通过自适应阈值对结果图进行分割,得到最终检测结果。实验结果表明,该算法不仅能够有效检测极低信噪比与对比度的目标,而且对复杂边缘场景具有很好的抑制效果,在信噪比、背景抑制因子以及检测率方面优于其他算法。