空间约束层次加权Gamma混合模型的SAR图像分割

目的 合成孔径雷达（SAR）图像中像素强度统计分布呈现出复杂的特性,而传统混合模型难以建模非对称、重尾或多峰等特性的分布。为了准确建模SAR图像统计分布并得到高精度分割结果,本文提出一种利用空间约束层次加权Gamma混合模型（HWGaMM）的SAR图像分割算法。方法 采用Gamma分布的加权和定义混合组份;考虑到同质区域内像素强度的差异性和异质区域间像素强度的相似性,采用混合组份加权和定义HWGaMM结构。采用马尔可夫随机场（MRF）建模像素空间位置关系,利用中心像素及其邻域像素的后验概率定义混合权重以将像素邻域关系引入HWGaMM,构建空间约束HWGaMM,以降低SAR图像内固有斑点噪声的影响。提出算法结合M-H（Metropolis-Hastings）和期望最大化算法（EM）求解模型参数,以实现快速SAR图像分割。该求解方法避免了M-H算法效率低的缺陷,同时克服了EM算法难以求解Gamma分布中形状参数的问题。结果 采用3种传统混合模型分割算法作为对比算法进行分割实验。拟合直方图结果表明本文算法具有准确建模复杂统计分布的能力。在分割精度上,本文算法比基于高斯混合模型（GMM）、Gamma分布和Gamma混合模型（GaMM）分割算法分别提高33%,29%和9%。在分割时间上,本文算法虽然比GMM算法多64 s,但与基于Gamma分布和GaMM算法相比较分别快600 s和420 s。因此,本文算法比传统M-H算法的分割效率有很大的提高。结论 提出一种空间约束HWGaMM的SAR图像分割算法,实验结果表明提出的HWGaMM算法具有准确建模复杂统计分布的能力,且具有较高的精度和效率。     

卷积神经网络和深度置信网络在SAR影像冰水分类的性能评估

目的 海冰分类是海冰监测的主要任务之一。目前基于合成孔径雷达SAR影像的海冰分类方法分为两类：一类是基于海冰物理特性与SAR成像特征等进行分类,这需要一定的专业背景;另一类基于传统的图像特征分类,需要人为设计特征,受限于先验知识。近年来深度学习在图像分类和目标识别方面取得了巨大的成功,为了提高海冰分类精度及海冰分类速度,本文尝试将卷积神经网络（CNN）和深度置信网络（DBN）用于海冰的冰水分类,评估不同类型深度学习模型在SAR影像海冰分类方面的性能及其影响因素。方法 首先根据加拿大海冰服务局（CIS）的冰蛋图构建海冰的冰水数据集;然后设计卷积神经网络和深度置信网络的网络架构;最后评估两种模型在不同训练样本尺寸、不同数据集大小和网络层数、不同冰水比例的测试影像以及不同中值滤波窗口的分类性能。结果 两种模型的总体分类准确率达到93%以上,Kappa系数0.8以上,根据分类结果得到的海冰区域密集度与CIS的冰蛋图海冰密集度数据一致。海冰的训练样本尺寸对分类结果影响显著,而训练集大小以及网络层数的影响较小。在本文的实验条件下,CNN和DBN网络的最佳分类样本尺寸分别是16×16像素和32×32像素。结论 利用CNN和DBN模型对SAR影像海冰冰水分类,并进行性能分析。发现深度学习模型用于SAR影像海冰分类具有潜力,与现有的海冰解译图的制作流程和信息量相比,基于深度学习模型的SAR影像海冰分类可以提供更加详细的海冰地理分布信息,并且减小时间和资源成本。     

基于层次Gamma混合模型的高分辨率SAR影像分割方法

为了准确地对高分辨率合成孔径雷达(SAR)影像内像素强度统计分布建模并得到高精度的分割结果,提出基于层次Gamma混合模型(HGaMM)的高分辨率SAR影像分割方法.HGaMM由多个Gamma混合模型构成,用于对非对称、重尾和多峰等复杂的像素强度统计分布建模.为了减少影像噪声对分割的影响,采用马尔科夫随机场建模像素标号场,将像素邻域位置关系引入HGaMM.根据贝叶斯理论,利用后验分布构建影像分割模型.马尔科夫链蒙特卡罗算法用于模拟影像分割模型.在模拟和真实SAR影像上的分割实验表明,文中方法可得到较高精度的分割结果.     

SAR图像舰船目标检测的信息几何方法

目的 舰船目标检测是合成孔径雷达（SAR）图像在海事监测领域中的一项重要应用。由于海面微波散射的复杂性,SAR图像中海杂波分布具有非均匀性、非平稳性等特点,传统的基于恒虚警率（CFAR）的SAR图像舰船检测算法难以适应复杂多变的海杂波环境,无法实现实时有效的智能检测任务。鉴于此,本文提出了基于信息几何的SAR图像船舰目标检测方法,旨在分析统计流形及其在参数空间中的几何结构,探讨信息几何在SAR图像目标检测应用中的切入点,从新的角度提升该应用领域的理论与技术水平。方法 首先,运用威布尔分布族对SAR图像中的海杂波进行统计建模,利用最大似然方法估计SAR图像局部邻域像素的分布参数,并将不同参数下的统计分布作为威布尔流形上的不同点;其次,融合高斯分布的费歇耳度量来构造威布尔流形空间中概率分布之间的测度,实现目标与背景区域的差异性表征;最后,利用最大类间方差法,实现SAR图像舰船目标检测。结果 实验和分析表明,相比于传统的基于恒虚警率的检测算法,信息几何方法可以有效地区分舰船目标和海杂波背景,降低虚警率,实现舰船目标显著性表示与检测。结论 由于舰船目标的复杂后向散射特性,如何有效地表征这一差异,是统计类检测算法的关键所在。本文依据信息几何理论,将概率分布族的参数空间视为微分流形,在参数流形上构造合适的黎曼度量,对SAR图像中各像素局部邻域进行测度表征,可以显著性表示目标与背景杂波之间的统计差异,实现舰船目标检测。     

多主体框架下结合最大期望值和遗传算法的SAR图像分割

目的 SAR图像中固有的相干斑噪声增加了图像分割的困难.为此,提出一种分布式SAR图像分割算法.方法 首先假设图像中同质区域内像素满足同一独立的Gamma分布,依此建立SAR图像模型;为了刻画SAR图像中像素的类属性,建立标号场的MRF(Markov Random Field)模型;在Bayesian理论框架下建立图像分割模型;在多主体系统(MAS)框架下,结合MRF模型和遗传算法(GA)模拟分割模型.MAS结构由分割主体和协调主体组成,其中分割主体利用最大期望值( EM)算法估计MRF模型参数,从而实现全局分割;协调主体利用GA实现全局最优.结果 为了验证提出方法的有效性,分别对模拟和RADARSAT-I/II SAR图像进行实验,并与EM和RJMCMC算法比较.本文算法的用户精度、产品精度、总精度及kappa系数均高于EM算法.定性和定量分析结果验证了本文算法的鲁棒性和有效性.结论 实验结果表明提出的分布式MAS框架下SAR图像分割方法,能够提高分割精度.该方法适用于中高分辨率单极化的SAR图像,且具有很好的抗噪性.     

下视SAR数据3维表面重建

目的 合成孔径雷达(SAR)因成像方法、几何角度等原因使得采集到的数据具有稀疏性及残缺性,如果直接用其进行建模,不能真实地还原物体。针对下视SAR数据的特点,提出一种在建模过程中能够自动修补稀疏及残缺数据的重建方法。方法 首先引入大津法对3维SAR数据进行预处理,然后将2维图像分割方法中的Chan-Vese模型推广应用到下视SAR数据的表面重建中,在初始表面及轮廓指示函数的求取过程中引入距离函数和内积函数。结果 将本文方法与等值面抽取法的重建结果进行比较,本文方法在重建的过程中能够自动修补空洞,重建出的模型表面更加光滑,能更加真实地反映原物体的特征。结论 可以将本文方法推广应用到稀疏及残缺SAR数据的建模中。     

空间可变有限混合模型

目的 有限混合模型是一种无监督学习方法,它被广泛的应用到数据分类任务中。然而,在图像分割过程中,由于有限混合模型没有引入邻域像素间的空间关系,导致了图像分割结果对噪声非常敏感。为了增强有限混合模型的抗噪性,提出一种新的空间可变有限混合模型。方法 该模型通过在像素的先验分布中引入一种新的空间关系来降低噪声对图像分割结果的干扰。在构建空间关系的过程中,利用形态学膨胀原理将空间邻域内特征值出现的概率而不是特征值本身进行膨胀操作,然后通过根据具有最大概率的分类标记在高斯混合模型迭代地计算过程中进行局部像素空间平滑,从而起到抑制噪声干扰的作用。结果 本文实验包含了人工合成图像和医学CT图像的图像分割实验。在人工合成图像分割实验中,对人工合成图像添加了不同程度的噪声来测试本文模型和对比模型对噪声抑制能力的高低;对医学CT图像进行图像分割实验,以是比较本文模型与对比模型之间在实际图像分割中的效果。结论 实验数据显示,本文提出的模型在噪声抑制能力上,图像分割精度和计算效率上均有更优的性能。     

空间约束混合伽马模型的SAR影像分割算法北大核心CSCD

为了避免斑点噪声的影响并实现高效且精确的合成孔径雷达(synthetic aperture radar,SAR)影像分割,提出一种结合空间约束混合伽马模型和共轭梯度的SAR影像分割方法。根据SAR影像强度统计特性,采用混合伽马模型建模像素强度统计分布。为了降低SAR影像斑点噪声的影响,利用局部像素类属性定义组份权重,构建空间约束混合伽马模型。考虑到伽马分布自身结构,构建条件期望函数,并采用共轭梯度估计模型参数,以实现高效且精确的SAR影像分割。为了验证所提出算法的分割性能,与对比算法进行分割实验,并定量和定性地评价分割结果。实验结果表明,所提出算法可获得高精度分割结果,且具有较高的分割效率。     

结合结构相似度的自适应多尺度SAR图像变化检测

目的 结合高斯核函数特有的性质,提出一种基于结构相似度的自适应多尺度SAR图像变化检测算法。方法 本文提出的算法包括差异图像获取、高斯多尺度分解、基于结构相似性的最优尺度选择、特征矢量构造以及模糊C均值分类。首先,通过对多时相SAR图像进行对数比运算获取差异图像,然后,利用基于图像的结构相似度估计高斯多尺度变换的最优尺度,继而在该最优尺度参数下逐像素构建变化检测特征矢量,最后通过模糊C均值聚类方法实现变化像素与未变化像素的分离,生成最终的变化检测结果图。结果 在两组真实的SAR图像数据上测试本文算法,正确检测率分别达到0.9952和0.9623,Kappa系数分别为0.8200和0.8540,相比传统算法有了较大的提高。结论 本文算法充分利用了尺度信息,对噪声的鲁棒性有所提高。实测SAR数据的实验结果表明,本文算法可以智能获取最优分解尺度,显著提高了SAR图像变化检测性能。     

广义统计区域合并的SAR图像浮筏养殖信息提取

目的 海水浮筏养殖是海域使用动态监测中的重要类型,合成孔径雷达（SAR）卫星遥感影像可以克服海洋气象环境的影响,有效反映浮筏养殖区域。由于浮筏养殖信息受乘性相干斑噪声污染严重,为了降低噪声敏感性,改进得到广义局部二值模式（GLBP）,进而将其用于改进广义统计区域合并算法（GSRM）,构建以GLBP_GSRM为核心的多特征集成模型,得到更具纹理一致性的超像素,实现浮筏养殖信息精确提取。方法 根据SAR数据的乘性噪声特性改进局部二值模式算子得到GLBP算子,将其加入GSRM的合并准则中,结合纹理信息的超像素分割能得到更具纹理一致性的超像素,有效抑制相干斑噪声。进而利用非下采样轮廓波变换得到轮廓信息丰富数据特征,使用FCS（fuzzy compactness and separation）算法聚类实现浮筏养殖信息的无监督提取。结果 实验选取辽宁省长海县邻近海域作为研究区域,针对C波段的Radarsat-2 SAR和X波段的TerraSAR图像,分别比较同一图像不同区域和不同图像同一区域的提取结果,结合实地现场调查结果表明所提模型对不同类型SAR图像均能精确无监督地提取浮筏养殖信息,分类精度均高于85%,明显优于经典无监督算法,验证模型的有效性。结论 所提模型充分集成纹理特征、空间特征和轮廓特征,有效解决相干斑噪声干扰信息提取的问题,针对不同类型SAR遥感图像,均能在复杂的海洋背景中实现有效地无监督浮筏养殖信息提取,提高海水养殖自动监测准确度。     

辽东湾海冰类型SAR响应分析

利用2005～2006年冬季辽东湾海冰双极化ENVISAT ASAR影像时间序列,分析了不同极化方式的ASAR影像对辽东湾海冰的探测能力,结果发现交叉极化图像由于其后向散射动态范围小,限制了其在辽东湾海冰分类中的应用。同时利用SAR图像,结合同步TM数据,开展辽东湾海域不同类型海冰的电磁特性响应分析研究,指出SAR能较好识别固定冰、平整冰和碎冰堆积区,但在探测初生冰时并不可靠,其探测结果与海冰生长阶段以及海冰周围环境条件有关,同时由于受分 辨率限制并不能识别莲叶冰等海冰类型。     

Coastline extraction from SAR images using spatial fuzzy clustering and the active contour method

Coastline extraction from synthetic aperture radar (SAR) data is difficult because of the presence of speckle noise and strong signal returns from the wind-roughened and wave-modulated sea surface. High resolution and weather change independent of SAR data lead to better monitoring of coastal sea. Therefore, SAR coastline extraction has taken up much interest. The active contour method is an efficient algorithm for the edge detection task; however, applying this method to high-resolution images is time-consuming. The current article presents an efficient approach to extracting coastlines from high-resolution SAR images. First, fuzzy clustering with spatial constraints is applied to the input SAR image. This clustering method is robust for noise and shows good performance with noisy images. Next, binarization is carried out using Otsu’s method on the fuzzification results. Third, morphological filters are used on the binary image to eliminate spurious segments after binarization. To extract the coastline, an active contour level set method is used on the initial contours and is applied to the input SAR image to refine the segmentation. Because the proposed approach is based on an active contour model, it does not require preprocessing for SAR speckle reduction. Another advantage of the proposed method is the ability to extract the coastline at full resolution of the input SAR image without degrading the resolution. The proposed approach does not require manual initialization for the level set method and the proposed initialization speeds up the level set evolution. Experimental results on low- and high-resolution SAR images showed good performance for coastline extraction. A criterion based on neighbourhood pixels for the coastline is proposed for the quantitative expression of the accuracy of the method.     

SAR Sea Ice Image Segmentation Method based on Low Rank Sparse Representation and Improved MRF Model

Accurate segmentation of Synthetic Aperture Radar (SAR)images is the premise of interpreting the distribution information of sea ice.However the existing segmentation methodsare seriously interfered by speckle noise,which leads to high segmentation error and low reliability interpreting results.In this paper,a novel sea ice SAR image segmentation method based on low rank sparse representation is proposed,firstly sparse components are extracted from the source image by using robust principal component,and then bilateral filter is used to enhance the image details.Due to the MRF segmentation model based on fixed potential function cannot accurately reflect the relevance between the areas,MRF segmentation model based on interactive potential function is built to segment the sea ice image accurately.A series of Radarsat satellites data are tested to validate performance of the proposed method,the results show that compare with traditional segmentation algorithms,the proposed method algorithm can not only maintain the connectivity of the image better,but also has higher segmentation accuracy.     

基于变差函数的中高分辨率SAR影像农村建筑区提取

目的 基于中高分辨率影像进行大范围的农村建筑区提取时,由于影像分辨率的限制以及农村建筑区规划自身规划特点等因素,造成了传统变差函数方法的高错分误差。为了准确提取农村建筑区,为后续获取建筑密度和人口密度等工作建立基础,提出了一种基于迭代P参数法的阈值确定方法。方法 通过设定亮度阈值,在变差函数纹理计算中为满足条件的像元点赋以权值。本文方法确保在4个方向都满足条件的像元点(认为是建筑区)获得较大的变差函数值加成,而仅在一个方向或者没有方向满足条件的像元点(认为是非建筑区)获得较小加成或不变,以此改进传统变差函数方法,抑制了农村建筑区与周边非建筑区的混淆。结果 以Radarsat-2的多个极化波段影像为数据源进行了实验,改进变差函数方法在实验区1与实验区2的各个波段平均检测率分别为91.58%和90.11%,平均错分误差分别为19.83%和31.87%。结论 与传统变差函数方法以及最小距离法相比,既保证了较高的检测率,同时显著降低了错分误差,不足之处是在建筑区与非建筑区的边缘处以及与建筑区具有相似纹理特征的非建筑区处出现错分,需要进一步的研究和完善。     

高分辨率极化SAR图像水平集分割

目的 传统的极化SAR图像分割方法中,由于采用的统计分布模型不能较好地描述高分辨率的图像纹理特征,导致高分辨率极化SAR图像分割效果较差。针对这个问题,本文将具有广泛适用性的KummerU分布嵌入到水平集极化SAR图像分割方法中,提出了一种新的极化SAR图像分割算法。方法 将KummerU分布作为高分辨率极化SAR图像的统计模型,定义一种适用于极化SAR图像分割的能量泛函;利用最大似然法对各个区域的KummerU分布进行参数估计,并通过数值偏微分方程的方法求解水平集函数,实现极化SAR图像的区域分割。结果 分别对仿真全极化数据,真实全极化数据进行分割实验,结果表明本文提出的方法其分割精度高于传统方法,分割精度高于95%,从而验证了新方法的有效性。结论 本文算法能够对各向同质区和各向异质区的极化SAR图像都能取得良好的分割效果,并适应于多种场景,有效地分割出背景和目标。     

Assessment of an analytical model for sea surface wind speed retrieval from spaceborne SAR

An analytical model based on radar backscatter theory was utilized to retrieve sea surface wind speeds from C-band satellite synthetic aperture radar (SAR) data at either vertical (VV) or horizontal (HH) polarization in transmission and reception. The wind speeds were estimated from several ENVISAT Advanced SAR (ASAR) images in Hong Kong coastal waters and from Radarsat-1 SAR images along the west coast of North America. To evaluate the accuracy of the analytical model, the estimated wind speeds were compared to coincident buoy measurements, as well as winds retrieved by C-band empirical algorithms (CMOD4, CMOD_IRF2 and CMOD5). The comparison shows that the accuracy of the analytical model is comparable to that of the C-band empirical algorithms. The results indicate the capability of the analytical model for sea surface wind speed retrieval from SAR images at both VV and HH polarization.     

星载SAR影像上船舶方位向模糊去除算法

目的 掌握海上船舶分布状态对于海上交通流分析和通航安全管理具有重要作用。遥感技术,特别是星载合成孔径雷达(SAR)技术的发展,为大范围海上船舶检测提供了有效的手段,但受SAR成像机制影响,海上船舶目标在星载SAR影像上通常存在着不同程度的方位向模糊噪声,这些噪声易被误判为船舶,导致船舶识别中虚警率提高。方法 本文简述了方位向模糊噪声的产生原因,提出了一种新的星载SAR影像上船舶方位向模糊去除算法,该算法的核心是构建目标方位向角度一致性、方位向位置偏移距离和方位向模糊能量衰减3个判别规则,对潜在SAR影像亮斑目标进行逐层筛选,实现船舶真实目标和方位向模糊目标的判别。结果 选取中国渤海海域和黄海海域的30 m分辨率的Radarsat-2数据进行案例分析,并与船舶自动识别系统(AIS)实测数据进行比对校验,结果表明,传统的双参数恒虚警率(CFAR)算法和基于K分布的CFAR等算法对于船舶难以剔除方位向模糊,容易造成虚警,而本文算法对实验影像的船舶方位向模糊去除准确率优于95.8%,能够有效剔除船舶方位向模糊。结论 该算法为星载SAR影像上船舶方位向模糊去除提供了新的手段,有助于提高SAR影像上船舶目标检测的准确性。