基于全极化SAR影像的海岛地物分类

我国海岛众多且资源丰富,针对海岛地物复杂和难以采集训练样本的特点,在分析9种极化特征参数对海岛地物区分能力的基础上,提出了一种基于全极化SAR影像的海岛地物分类方法。该方法采用Freeman分解和Cloude-Pottier分解提取的极化特征与Shannon熵组成特征集,通过自编码器对原始特征进行学习重构,提取更具有可分性的深层特征,并利用主动学习选择最优价值的样本加入训练样本以提高分类器分类效果。通过对舟山群岛全极化SAR影像进行分类实验,结果表明:该方法能够对全极化SAR影像中的不同海岛地物进行有效区分,特别是引入Shannon熵后能明显提升海水、泥滩和沙滩的分类精度;基于主动深度学习的分类方法可以在样本有限的情况下得到比传统分类方法更好的分类结果。     

一种子视相干优化的极化SAR船只检测方法

针对传统单极化SAR船只检测能力不足的问题,提出了一种基于极化SAR图像子视相干的方法来检测船只。该方法在船只和海杂波SAR子视图相干程度分析的基础上,通过调整全极化SAR图像数据的最优极化状态得到3个优化的相干参数,并由此定义了一种最优相干积参数。由于该参数可以保留相干目标(即船只)的强度和相位,因此能够极大提高目标与背景之间的对比度,从而改善后期的目标检测性能。最后,采用机载极化SAR数据来评估本文方法,其试验结果表明,该方法能充分利用目标的极化特征以及子视相干性信息,显著提高了船海对比度,实现了船只检测性能的改进。     

光学图像辅助分割的极化SAR建筑物提取

针对全极化SAR数据分割时存在边缘漂移导致建筑物提取精度较低的问题,在FNEA算法基础上,提出一种光学图像辅助分形网络演化分割的极化SAR建筑物提取方法。首先基于FNEA分割方法获取与极化SAR图像相配准的光学图像中对象的初始边界信息,并利用该信息来改善极化SAR图像FNEA分割结果中存在的边缘漂移现象;在此基础上,利用Singh四分量分解提出一种基于对象占优因子的对象极化后向散射类型判定方法,从而提取出建筑物。采用国产机载X波段全极化SAR数据,并通过与其他方法的对比实验验证了该文方法的有效性。     

基于混合阈值法的Envisat影像水体提取

图像分割是图像目标识别和提取的重要步骤。然而由于SAR影像相干成像特点,SAR影像往往信噪比不高,于是传统的图像处理方法难以适用。本文在分析当前主流的阈值法图像分割的基础上,提出一种改进的混合阈值法:首先对影像按一维最大类间方差法求解出一维最佳阈值,以此计算图像分割水体和背景的权重比,然后根据求得的权重比,修改二维最大熵算法,最后采纳遗传算法提高搜索效率,进而求解二维最优阈值实现SAR影像水体提取。为了验证此方法的有效性,针对阳澄湖地区Envisat ASAR影像中同时存在信噪比高的区域和信噪比低的区域设计了仿真实验。实验结果表明,改进方法能较好地从信噪比低的影像中提取水体,同时保持良好的时间复杂度。     

利用高分三号SAR影像进行双侧变化检测

本文提出了一种双侧SAR变化检测算法,并首次以国产高分三号SAR影像作为实验对象。由于广义高斯模型及KI双阈值法(DGKIT)在单极化SAR影像变化检测中分割对数比LR(log-ratio)差异图时存在分割结果不稳定的情况,故本文通过生成双向差异图,并分别对其进行GKIT初始分割,得到分割后向散射增强和减弱区域的单侧分割影像,随后利用马尔科夫随机场(MRF)分割对其进行精化,最后再通过设定差值阈值去除伪变化区域,融合后得到最终双侧变化结果。通过实验,证明所提出方法的有效性并发现高分三号卫星在变化检测领域尤其是舰船及近海领域变化检测上有着较好的效果。     

基于变异系数法的SAR船舶检测优化研究

船舶检测在民用和军用领域都具有广阔的前景。利用高分辨率SAR图像可以提高海上船舶检测精度,但同时也面临船舶旁瓣、海表漂浮物及人工设施等物体的干扰。针对这些不足,提出了一种基于最佳熵双阈值算法对SAR影像检测的基础上,利用多种几何属性特征组合优化初步检测结果的算法。首先,基于最佳熵双阈值算法对研究区域的Radarsat-2影像进行初步检测,得到潜在船只目标;其次,计算潜在目标的核密度、长宽比、潜在像元数目等3个特征;最后,利用客观权重分配方法——变异系数法,针对3个特征进行权重分配,降低虚警率,达到优化船只检测结果的目的,同时利用AIS数据、K-CFAR算法检测结果及黄河口的ALOS-2数据验证了该算法的有效性和实用性。     

SAR影像水体目标提取的序列非线性波波方法

合成孔径雷达（SAR）影像由于其特有的相干斑点噪声,加大了其目标边界特征提取的难度。采用一般针对光学影像的目标提取区域分割算子,在SAR影像的自动目标识别处理中往往不能取得理想的效果。水体目标在SAR影像中表现为整体亮度很低且成面状连续分布的像素区域。目前大多采用阈值分割转为二值影像的方法提取低亮度目标,但由于强烈的相干噪声影响,如何自动获得一个合适的阈值是一个比较困难的问题。一般多采用基于假设检验,多次迭代获得阈值。针对水体目标的亮度及形状分布特征,不作二值分割处理,而采用序列非线性滤波处理,提出一种针对SAR影像水体目标的快速提取方法。经实际数据检验,算法可以快速有效地实现SAR影像水体目标的自动提取识别。     

Sentinel-1A的近海固定设施和动态船只识别北大核心CSCD

针对海上固定设施和动态船只较难通过合成孔径雷达(synthetic aperture radar,SAR)幅度信息有效区分的问题,设计了一条海上固定设施和动态船只分别提取的技术路线。首先,使用多期SAR数据的干涉相干信息、双参数恒虚警概率算法(constant false alarm rate,CFAR)和众数滤波提取海上固定设施,之后将海上固定设施和海杂波强反射区进行掩膜,使用CFAR算法、众数滤波从SAR幅度图提取动态船只。使用五期江苏省南通市近海区Sentinel-1A SAR影像开展实验研究。结果表明:SAR干涉相干提取的近海风力发电场的正确率为90.4%,虚警率为9.6%,漏检率为0;掩膜后SAR幅度图提取的动态船只结果基本消除了海上固定设施和海杂波强反射的干扰,正确率较高。该技术路线可为海上固定设施和动态船只识别的自动化、工程化应用提供借鉴。     

结合编码-解码网络和条件随机场的全极化合成孔径雷达土地覆盖分类

针对多极化合成孔径雷达影像地物分类特征表征性较弱及全卷积网络分类精度较低的问题,文中提出结合编码-解码网络(E-D-Net)和条件随机场(CRF)的全极化合成孔径雷达(SAR)土地覆盖分类算法.首先,利用Freeman分解和Pauli分解建模全极化SAR影像,提取各分解对应的散射特征.再借鉴语义分割网络模型的建模思想和多尺度卷积单元构建对称网络模型,将多尺度非对称卷积单元嵌入中层,设计E-D-Net网络模型.通过E-D-Net网络模型对PolSAR影像Freeman分解散射特征进行多层自主学习,获得初始分类结果.最后,利用全连接CRF结合Pauli相干分解伪彩色图信息,对初始分类结果再进行降噪和平滑优化,得到最终分类结果.在两地区PolSAR影像上的实验验证文中算法的有效性和可行性.     

全极化SAR影像多特征分类的海岸线提取方法北大核心CSCD

快速准确地提取海岸线对研究海岸带和海岸带演变具有重要的意义。针对目前利用SAR影像提取海岸线的精度和自动化程度不能达到一个平衡这一问题,提出了一种结合多特征选择和随机森林分类算法的海岸线提取方法。并以高分三号(GF-3)全极化影像为研究数据,以黄河三角洲地区为研究区,成功提取了黄河三角洲地区的海岸线。该方法结果与OTSU阈值分割方法所提取的海岸线做了对比。结果显示,在40 m分析精度下,该方法海岸线提取结果质量均在90%以上,其提取结果光滑连续且精度可靠,优于直接阈值法提取的结果。     

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.     

盲信号分离和序贯滤波的SAR影像水体提取

采用一种新的基于盲信号分离（BSS）和序列非线性滤波方法实现多极化合成孔径雷达（SAR）影像相干斑噪声抑制和水体目标快速提取。SAR影像具有强烈乘性相干斑噪声,影像数据为非高斯分布,但其具体分布形式及参数难以获得。利用基于独立分量分析的盲信号分离方法,不需要知道SAR影像的具体分布,通过对数量化将相干斑噪声转化为与图像数据相互独立的加性噪声,从多极化SAR影像中自动分离出图像数据与相干斑噪声,并自动选择相干斑指数最小的分量为图像分量。针对SAR影像水体目标的亮度及形状分布特征,进一步采用序列非线性滤波处理,从分离出的图像分量中提取出水体目标。利用ENVISAT ASAR多极化影像进行了实验,结果表明该方法可以快速准确地提取多极化SAR影像中的水体目标。     

Feature selection and weighted SVM classifier-based ship detection in PolSAR imagery

Target decomposition is an important method for ship detection in polarimetric synthetic aperture radar (SAR) imagery. Parameters such as the polarization entropy and alpha angle deduced from the coherency matrix eigenvalue decomposition capture the differences between the target and background from different views separately. However, under the conditions of a relatively high resolution and a rough sea, the contrast between ship and sea reduces in the aforementioned space. Based on the analyses of target decomposition theory and the target’s scattering mechanism, multi-polarization parameters can be used to characterize different scattering behaviours of the ship target and sea clutter. Moreover, each parameter has its own diverse significance in the practical detection problem. This article proposes a feature selection and weighted support vector machine (FSWSVM) classifier-based algorithm to detect ships in polarimetric SAR (PolSAR) imagery. First, the method constructs a feature vector that consists of multi-polarization parameters. Then, different polarization parameters are refined and weighted according to their significance in the support vector machine (SVM) classifier. Finally, ships are classified from the sea background and other false alarms by the classifier. The validation results on National Aeronautics and Space Administration/Jet Propulsion Laboratory (NASA/JPL) airborne synthetic aperture radar (AIRSAR) and Radarsat-2 quad polarimetric data illustrate that the method detects ship targets more precisely and reduces false alarms effectively.     

单波段单极化SAR图像水体和居民地信息提取方法研究

SAR图像上水体和居民地信息的提取在实际应用中具有重要的意义。为了更好地提取SAR图像上水体和居民地,以单波段单极化Radarsat-1 SAR图像为研究对象,首先利用半变异函数分析样本图像的结构特性来确定纹理信息提取的最佳参数;然后,在此基础上基于灰度共生矩阵计算SAR图像均值、角二阶矩和熵3种纹理测度,建立了适于图像分类的多维特征空间,从而有效地增强了水体和居民地信息;最后通过样本采集,使用支持向量机分类器进行水体和居民地信息提取,并采用近期归一化植被指数(NDVI)数据和分类结果进行目标层融合来消除山体因素的影响,信息提取的结果显示,分类总体精度为82.57%,Kappa系数为0.58,较准确地提取了水体和居民地信息。     

Applications of ICA for the enhancement and classification of polarimetric SAR images

Independent components analysis (ICA) based methods for polarimetric synthetic aperture radar (SAR) image speckle reduction and ground object classification are studied. Several independent components can be extracted from polarimetric SAR images using ICA directly. The component with lowest speckle index is regarded as the scene after speckle reduction. The disadvantage of this method is that only one image is kept and most polarization information will be lost. In this paper, we use ICA‐sparse‐coding shrinkage (ICA‐SPS) based speckle reduction method, which is implemented on each individual image and can keep polarization information. It is carried out on the combined channels obtained by Pauli‐decomposition rather than original polarization channels in order to keep relative phase information among polarization channels and get better performance. After ICA‐SPS, the effect of speckle suppression on SAR image classification can be compared favourably with other methods by combining the channels into a false colour image. At last, a new ICA‐based classification method is presented. In this method, four independent components are separated by ICA from five polarization and combined channels. One of these independent components which includes little ground object information is regarded as speckle noise and therefore be discarded. The remaining three components can be treated as subordination coefficients of three kinds of targets. A classified image can be obtained based on the components. And by composing these three channels in RGB colour pattern, a false colour image can be constructed.     

深度置信网络在极化SAR图像分类中的应用

目的 深度置信网络能够从数据中自动学习、提取特征,在特征学习方面具有突出优势。极化SAR图像分类中存在海量特征利用率低、特征选取主观性强的问题。为了解决这一问题,提出一种基于深度置信网络的极化SAR图像分类方法。方法 首先进行海量分类特征提取,获得极化类、辐射类、空间类和子孔径类四类特征构成的特征集;然后在特征集基础上选取样本并构建特征矢量,用以输入到深度置信网络模型之中;最后利用深度置信网络的方法对海量分类特征进行逐层学习抽象,获得有效的分类特征进行分类。结果 采用AIRSAR数据进行实验,分类结果精度达到91.06%。通过与经典Wishart监督分类、逻辑回归分类方法对比,表现了深度置信网络方法在特征学习方面的突出优势,验证了方法的适用性。结论 针对极化SAR图像海量特征的选取与利用,提出了一种新的分类方法,为极化SAR图像分类提供了一种新思路,为深度置信网络获得更广泛地应用进行有益的探索和尝试。     

基于熵和多步马尔可夫特征的图像拼接检测

随着图形编辑软件的普及,数字图像篡改越来越容易,数字图像篡改检测已成为一个亟需解决的问题。为此,提出基于图片信息熵和多步马尔可夫特征的图像拼接检测方法。该方法将图像拼接检测问题转换为两分类模式识别问题,先从原图、3阶Haar离散小波变换(DWT)和多尺度分块离散余弦变换(DCT)中提取图片的信息熵,再从图像的分块DCT系数中提取多步马尔可夫转移概率矩阵,由信息熵和多步马尔可夫转移概率矩阵组成统计特征,利用支持向量机分类器进行分类得到判决结果。实验结果表明,该方法在哥伦比亚图片库上具有较高的拼接检测精度,达到89.91%。     

SAR图像幅度关联去斑算法

在合成孔径雷达（Synthetic Aperture Radar,SAR）图像相干斑抑制过程中,如何在去斑的同时保持图像的边缘和结构信息是一个难点问题。针对此问题提出了SAR图像幅度关联去斑算法,该算法基于幅度关联,通过全局幅度关联阈值将滑窗内像素分成两个部分,选取像素数目较多的一部分使用最大似然估计方法估计出中心像素的真实值。提出了一种基于频谱统计相似度的评估方法,并利用该评估方法及一些经典的去斑性能评估方法,分别通过仿真数据和实测数据处理结果验证了所提去斑算法的有效性。     

基于边缘检测的SAR图像自适应区域分割

受相干斑噪声影响,合成孔径雷达（Synthetic Aperture Radar,SAR）图像成像质量低,目标判读困难。针对传统方法对SAR图像分割存在噪声敏感、细节缺失、过度分割等问题,提出一种基于边缘检测的SAR图像自适应区域分割方法。首先引入双边滤波构建级联滤波器,对SAR图像进行保边抑噪;然后建立基于纹理复杂度的阈值估算模型,实现阈值自适应目标SAR图像边缘检测;最后提出基于边缘特征的自适应区域生长分割方法,较好解决了传统区域生长算法对SAR图像分割时出现的过度生长和过度分割之间的矛盾问题。该方法综合利用了SAR图像二维熵、边缘灰度信息、区域灰度信息,实现了对单极化目标SAR图像的自动分割。实验表明,相较于其他传统分割方法,该方法保边抑噪能力更强,目标细节检测更准确,较好解决了SAR图像过分割问题。     

模糊Renyi熵与QGA结合的快速图像分割

针对非模糊熵的阈值分割方法不能较好地反映数字图像本质上具有的模糊特性,提出一种新的基于模糊熵的图像阈值分割方法。通过模糊隶属度函数将图像直方图信息转换到模糊域,利用模糊Renyi熵计算目标与背景的信息熵。根据最大熵原理,引入量子遗传算法对隶属度函数参数进行寻优,进而得到图像的最佳分割阈值。与典型的阈值法进行对比实验,表明该方法能获得更好的分割结果,满足实时性需求。