图像域正则化特征增强SAR成像方法

通过分析SAR成像过程和正则化特征增强方法的特点，提出了一种在图像域进行正则化特征增强的成像方法。实验结果表明，本文方法能较好地抑制旁瓣和噪声，提高SAR图像的对比度，保护目标并提高图像的分辨率，且计算量比传统方法大大减小，有效提高了计算效率。     

基于正则化增强的SAR图像分割方法

SAR图像存在强烈的相干斑噪声,因此对SRN图像的分割非常困难。本文利用图像幅度的二维微分作为正则化约束对SAR图像进行增强,在抑制噪声的同时,保持了区域的边缘。对正则化增强的SAR图像进行简单的灰度门限分割,就可以取得很好的效果。试验结果表明了该方法的有效性。     

基于图像域的势函数正则化SAR图像增强算法

SAR图像增强技术是SAR信号处理中很重要的一门技术。SAR原始图像中除了包含模糊的目标区域和阴影区外还包含了大量的噪声。在目标识别过程中,如果先对原始SAR图像进行增强处理,在降低噪声的同时增强模糊的目标区域和阴影区,然后进行特征提取,就可以大大降低识别系统的运算量,提高识别效率。正则化方法广泛应用于图像分割、图像增强等领域。通过对两种正则化算法的比较,结合两种方法的优点,提出了一种改进的基于图像域的势函数正则化图像增强算法。利用MSTAR数据库数据进行仿真试验,取得了良好的效果。     

基于lk范数正则化的SAR图像目标特征增强

增强SAR图像的目标特征对自动目标识别等具有重要意义。该文改进了一种基于lk范数正则化方法，并用于SAR图像目标特征增强。该方法通过开发利用符合SAR图像统计特性的先验知识，构造附加约束，把图像目标特征增强问题规划为形式简单的最优化问题，并利用一种迭代算法进行快速求解。仿真和实测数据计算结果证实了该方法的有效性。     

SAR图像相干斑抑制和特征增强的自适应正则化变分方法

研究合成孔径雷达(Synthetic Aperture Radar,SAR)图像的相干斑抑制和特征增强问题.传统的SAR图像相干斑抑制方法通常会导致边缘和目标的模糊,针对该问题,本文基于SAR图像的先验信息和处理理念,通过合理构造扩散系数和正则化参数,提出了一种新的更适合SAR图像相干斑抑制和特征增强的自适应正则化变分方法.理论分析和实验结果表明,该方法不仅能有效地抑制相干斑,而且还能有效保护并增强图像的目标和边缘特征.     

基于改进正则化方法的SAR图像增强技术

常规SAR成像算法分辨率受系统带宽限制，并存在严重的相干斑干扰，不利于提取图像特征。正则化方法通过施加先验信息的约束，可以获得稳健的重建图像，由于SAR图像动态范围非常大，直接利用正则化方法重建图像，图像的细节特征不明显，本文采用改进正则化方法，以图像模值的对数变换作为势函数变量，有效的增强了图像细节特征。     

基于2DPCA-SCN正则化的SAR图像目标识别方法

合成孔径雷达（synthetic aperture radar,SAR）图像解译是一项重大的科学应用挑战,SAR图像目标识别已成为该领域的主要研究方向之一。针对SAR图像识别算法训练参数较多的问题,本文提出一种二维主成分分析（two-dimensional principal component analysis,2DPCA）与L2正则化约束的随机配置网络（stochastic configuration network,SCN）进行集成学习的SAR图像目标识别方法。2DPCA不仅能够有效地提取出目标的特征信息而且通过稀疏表征方式降低数据量,SCN正则化算法参数较少且可以有效避免网络过拟合问题,提高网络的识别率。我们将提出的方法在MSTAR (moving and stationary target acquisition and recognition)数据集上进行实验,结果表明该方法相对传统方法具有更高的识别率。      

基于图像域的势函数正则化SAR车辆图像增强算法

SAR图像增强技术是SAR信号处理中很重要的一门技术。一幅SAR原始图像中除了包含模糊的目标区域和阴影区外还包含了大量的噪声。在目标识别过程中,如果先对原始SAR图像进行增强处理,降低噪声的同时增强模糊的目标区域和阴影区,然后进行特征提取,就可以大大降低识别系统的运算量,提高识别效率。正则化方法广泛应用于图像分割,图像增强等领域。通过对两种正则化算法的比较,结合两种方法的优点,提出了一种改进的基于图像域的势函数正则化图像增强算法。利用MSTAR数据库数据进行仿真试验,取得了良好的效果。     

基于lk范数的SAR复图像域正则化方法分析及改进

正则化方法通过增加先验信息约束实现合成孔径雷达(SAR)图像的超分辨和噪声抑制,为目标识别提供了更高质量的图像信息。该文通过对基于lk范数的SAR复图像域正则化方法迭代过程的分析,揭示其增强分辨率的内在机理,并针对原有方法在不同强度散射点条件下分辨率提高不一致的问题,提出采用可变的正则化参数对其进行改进。仿真数据和MSTAR实测数据的实验结果证实了改进方法的有效性。     

基于正则化参数估计的SAR图像分割算法

针对合成孔径雷达(SAR)图像感兴趣区域(ROI)的分割问题,提出了一种基于Mellin变换的正则化参数的自适应选取方法。首先将SAR图像乘性相干斑噪声转化为加性相干斑噪声,在此基础上应用正则化模型建立SAR图像特征增强目标函数。然后推导出正则化参数与相应范数项的关系式,应用共轭梯度法对模型进行求解,最终达到图形特征增强与相应ROI分割的目的。所提算法不仅有效抑制了背景杂波,降低了相干斑的影响,而且还克服了传统方法对参数经验值选取的弊端。基于真实SAR图像数据的实验结果验证了该方法的简便性和有效性。     

一种改进的基于各向异性微分的SAR图像增强方法

合成孔径雷达(SAR)图像经过相干斑抑制后,图像中目标边缘会出现模糊。针对这一问题,提出了一种改进的基于各向异性微分的SAR图像增强方法。该方法在梯度方向和与梯度垂直方向构造了两个扩散系数分布函数。在非目标边缘区域,各方向扩散程度不同,对相干斑噪声具有较好的抑制效果;在目标边缘区域,梯度方向不做平滑,以保护和增强边缘,而在垂直于梯度方向有较大的平滑,突出边缘轮廓。实验结果表明,该方法具有很好的相干斑抑制能力和边缘增强能力。     

运动模糊图像的空域复原方法

根据匀速直线运动造成的图像模糊的特点,建立原始图像与模糊图像间的关系,在此基础上分析匀速模糊图像的退化及恢复过程,由此推出其在空间域的相关数学模型,并运用计算机模拟达到预期效果。     

SAR图像点目标的检测

分析了在均匀杂波回波功率服从 Gamma分布条件下 SAR点目标检测 ,推导了点目标虚警概率和检测概率与阈值系数关系 ,提出了检测点目标阈值系数选择根据和方法。在杂波均值估计方面 ,提出了以全局均值代替局部动态均值。实际测试结果表明所提出的检测方法在检测效果和计算量方面都优于双参数恒虚警检测算法     

一种基于平稳小波域的红外图像增强方法

针对红外图像对比度和分辩率低、噪声大的特点,提出一种基于平稳小波域的红外图像增强新方法.对高频子带中幅值较小的噪声系数进行衰减,幅值较大的边缘细节系数进行放大;对低频子带系数的幅值采用所提出的正弦函数进行伸缩处理.实验结果表明,本文提出的方法在有效地增强红外图像对比度及边缘细节的同时,又能很好地抑制背景噪声,综合性能明显优于传统的直方图均衡化和反锐化掩膜增强方法.     

基于稀疏先验的光学及SAR图像的分辨率增强统一框架

研究了基于稀疏型先验的光学及SAR图像的分辨率增强的统一框架.在定义稀疏型先验的基础上,分析了稀疏型先验与分辨率增强的关系,并从参数估计的角度解释了为什么稀疏型先验的合理利用可以实现分辨率增强.其次给出了光学及SAR图像的统一观测模型.再次给出了光学及SAR图像先验模型的统一描述.最后给出了光学及SAR图像分辨率增强的目标函数构造的统一形式.并结合光学图像和SAR图像,在不同数据域的先验信息,分别构造各自的目标函数,实现图像分辨率增强.