SAR图像线条特征提取方法研究

雷达图像的线条特征提取算法一般分为三步，首先作图像预处理，然后采用特定的边缘检测算子提取边缘点，第三步形成各种有意义的线条特征，并且将断裂的长线连起来。常见的提取算法都是基于光学图像的，所以在确定边缘点时，假定图像中的噪声是加性高斯白噪声。这样，在合成孔径雷达（SAR）图像中使用光学图像中提取边缘点的方法就不行了，这是因为SAR图像中的相干斑噪声是服从K分布的。不过，将边缘点连接为有意义的线条特征的方法还可以沿用。所以，我们可以采用两步检测算子来检测边缘点，然后使用从相位编组思想演化而来的方向编组法形成直线条特征方法。大量的实验验证了这种方法对于SAR图像是切实可行的。     

机械零件直线边缘亚像素定位方法研究

直线是视觉图像中重要的基元特征.建立了三级灰度图像边缘模型的空间矩算子,利用LOG算子定位速度快的特点,确定图像像素级边缘,然后在包含边缘点的邻域内利用空间矩进行边缘的亚像素定位,由Hough变换提取直线边缘像素点,最后采用基于最小二乘原理的直线拟合边缘提取方法,得到亚像素级被检测直线.对空间矩算子亚像素定位算法与像面直线亚像素提取算法的有效性和精度进行了实验研究,实验结果表明提出的基于空间矩亚像素边缘定位算法与像面直线亚像素提取算法具有较高的精度和稳定性.     

基于DS理论的高分辨率SAR图像复杂背景直线边缘提取方法

针对高分辨率SAR图像复杂背景下的线状目标边缘,提出了一种基于DS证据理论的融合提取方法。首先,分析并建立了线状目标的边缘模型;其次,改进了现有的ROEWA算法,在计算边缘强度的同时,利用方向模板和二次曲线进行方向估计,得到了边缘方向;然后,基于边缘模型设计了DS证据理论识别框架,利用道路边缘点方向,设计了一种一一映射的Hough变换方法,基于线状目标直线边缘的高边缘强度值、直线边缘共线性、直线边缘侧面均匀区域统计特性（灰度均值和方差）,构建了三组相互独立的基本概率分配函数（BPAF）,并采用DS证据理论的Dempster方法,实现了复杂背景下线状目标边缘提取的融合判决。最后,利用机载SAR图像进行城区道路目标的边缘提取试验,验证了本文方法的性能。      

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。     

基于ROEWA和Gabor滤波的SAR图像边缘提取

针对合成孔径雷达(SAR)图像特有的乘性噪声和非恒虚警统计特性很难正确提取目标边缘的问题,提出了在指数加权均值比(ROEWA)算子基础上寻找自适应的最佳局域Gabor滤波器进行目标边缘提取的方法。利用Gabor滤波器具有的多方向特性确定边缘方向,然后用最大似然估计纠正错误边缘方向,重新结合视觉细胞倍频程计算出Gabor函数的最佳局域滤波参数,提取出SAR图像的正确边缘。实验表明,该方法取得很好边缘提取效果,并且后期分割出的目标更符合实际目标形态,具有较强的通用性。     

SAR图像启发式搜索直线提取

直线特征是识别线状目标的基础,现有启发式搜索算法仅适用于光学图像的直线特征提取,对SAR图像效果并不理想。针对该问题,提出一种SAR图像直线特征提取的启发式搜索算法。首先对SAR图像进行Frost滤波,然后利用指数加权均值比(ROEWA)算子进行边缘检测,再利用非极值抑制得到边缘二值图,最后采用二次搜索策略及“直线走原则”,充分考虑局部信息,设计启发式搜索的代价函数及搜索规则,实现直线特征提取。实验结果表明,该方法具有较好的抗噪性和抗断裂能力,能够有效地提取出SAR图像中的直线特征。      

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。     

一种新的基于网格编码和区域合并的SAR图像快速分割算法

该文建立一种新的基于八邻域网格编码的SAR图像分割模型,并用区域合并技术实现了模型的快速求解。利用多方向比例边缘检测算子提取SAR图像的比例边缘强度映射(RESM),提出一种新的阈值处理方法抑制RESM均质区域内部的极小值,进而减少了对阈值处理后的RESM进行分水岭变换获得的初始分割的区域个数。递归地合并相邻区域来求取分割模型的次优解。利用区域邻接图(RAG)及其最近邻图(NNG)特性来加速区域合并过程。引入精确度(P)和召回率(R)来评价分割算法的边缘定位精度。与常用方法相比,该文方法具有高的边缘定位精度和低的时间复杂度。     

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。     

序列图像轴对称物体中轴线提取方法

针对轴对称目标三维姿态参数中的偏航角、俯仰角的提取问题,提出了一种自动提取目标中轴线方法.该方法运用自适应Canny算子检测目标边缘,改进的Hough变换获得边缘图像中各条直线边缘的坐标点;通过优化的最小二乘算法将各条直线边缘的坐标点进行拟合获得边缘直线方程;结合序列图像中目标特性,检测出边缘直线中特定的两条平行直线进而获得目标的中轴线方程.实验表明:该方法能够有效地、高精度地提取轴对称目标的中轴线,提取的中轴线平均角度误差为0.022°.     

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。     

基于混合迭代滤波的SAR图像相干斑抑制

该文将变窗Lee滤波与自蛇扩散结合,提出了一种抑制SAR图像相干斑噪声的混合迭代滤波新算法,并给出了SAR图像噪声方差的一种有效估计方法。该算法首先估计SAR图像局部统计参量,进而通过改进的变窗Lee滤波对SAR图像进行平滑去噪,接着利用自蛇扩散去除Lee滤波难以平滑的孤立点噪声与边缘噪声。在Lee滤波与自蛇扩散的混合迭代中,Lee滤波的窗尺度随迭代次数的增加而增大,从而在保护SAR图像边缘细节的同时,同质区得到更好平滑。实验结果表明,与已有多种抑斑算法相比,该文算法在SAR图像抑斑与边缘保护方面均获得了更好的性能。     

基于非下采样Contourlet变换的SAR图像增强

该文基于非下采样Contourlet变换(NSCT)和SAR图像的统计特性,提出一种SAR图像增强方法,给出一种基于非下采样塔型分解的斑点噪声方差估计算法和一种基于方向邻域模型的弱边缘增强算法。该文在不同方向子代进行斑点方差估计,利用局部方向统计信息对NSCT系数并进行强边缘、弱边缘和噪声分类并进行弱边缘的增强和噪声的抑制。实验结果表明,该方法在方向信息保留和斑点抑制上优于非下采样小波变换(NSWT)相应方法。     

高分辨率星载SAR单视图像斑点噪声抑制实现方法

本文提出了实现高分辨率星载合成孔径雷达单视图像斑点噪声抑制的TDRGMAP方法.它以最大后验概率滤波器实现斑点平滑,以无偏修正使其适用于单视图像,结合边缘和线条检测,并加以点目标检测及保持,获得高空间分辨率和高辐射分辨率的SAR单视图像.本文详细阐述了TDRGMAP方法的机理和实现,最后利用仿真生成的星载SAR单视图像进行实验,证明了TDRGMAP方法的有效性.     

一种基于各向异性尺度空间的SAR图像匹配算法

针对斑点噪声对合成孔径(SAR)图像匹配算法的影响,提出了一种基于各向异性尺度空间的SAR图像匹配算法。首先,采用加性算子分裂算法解方案来构建各向异性尺度空间,在滤除斑点噪声的同时更好地保留图像细节;然后,在非线性尺度空间中提取特征点,并采用改进的SURF描述子描述特征,弱化斑点噪声对匹配的影响;最后,采用变换参数约束策略筛选匹配点对,提高匹配正确率。该方法既保持了同名点的精度还增加了同名点的数量,通过对不同极化、时相、波段以及不同视角下多种地物的匹配实验,验证了该方法的优越性。     

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。     

一种基于偏微分方程的SAR图像去噪方法

传统的相干斑噪声抑制算法在多次迭代后通常会导致图像边缘的模糊,这一直是SAR图像去噪处理的难点和热点所在。该文分析了应用于图像处理的各向异性扩散方程(PDEs),在其基础上由最小化问题出发,引入棱边指示子对图像的边缘加以限制,得到新的去噪模型并降之应用于SAR图像的相干斑噪声去除。与传统的基于局部统计量和各向异性滤波器相比,新的算法在棱边保持和噪声去除能力均有提高。