SAR图像船只分类识别研究进展

随着新一代SAR传感器的出现及应用,利用真实高分辨率、多极化SAR图像进行船只分类识别成为海上交通、渔业监测及国防应用的热点问题。首先回顾了SAR图像船只分类识别技术的发展。以近20 a国内外研究的重要成果为基础,对几何结构特征、散射特征和极化特征等船只分类特征进行了总结和比较,分析了其优缺点;总结了各种SAR图像船只分类识别算法的技术特点,并分析了各方法的适用性。最后对SAR图像船只分类识别技术的应用前景和发展趋势进行了阐述。     

一种有效的SAR图像目标识别方法

SAR图像目标识别是SAR图像应用中非常重要的环节,但由于SAR图像中相干斑噪声的存在,使得传统方法不能很好地对SAR图像进行分类识别。结合不变矩特征提取和支持向量机分类方法的优势,提出了一种有效的SAR图像目标识别方法,采用该方法对含有飞机和坦克目标的SAR图像进行了目标识别实验,取得了较好的识别效果。     

面向土地利用类型识别的高分辨率SAR数据复合技术研究

2007年以来,相继发射了3颗1m/3m高分辨率SAR卫星,极大地丰富了土地利用动态遥感监测数据源。SAR图像增强是土地利用动态遥感监测必要的预处理步骤。本文针对直接基于SAR数据进行土地利用类型识别中存在的问题,提出了SAR与光学图像、多时相SAR图像、多极化SAR图像合成和单极化SAR图像彩色合成等4种影像复合方法,分析评价了SAR与光学图像融合的应用效果,研究结果可为高分辨率极化SAR数据业务化应用提供技术参考。     

一种识别SAR图像中椭圆目标的方法

提出了一种对SAR图像中的椭圆形目标进行自动识别的综合方法。它利用SAR图像所具有的统计特性、CFAR检测对SAR图像进行预处理。根据中心椭圆算法构造椭圆并计算以此灰度占空比系数,采用马氏距离从背景中识别出目标。实际SAR图像实验结果表明了该方法的有效性。     

基于Contourlet域主成分分析的SAR图像去噪

相干斑噪声是合成孔径雷达图像所固有的,并且严重降低了图像的可编译性,影响了后续图像分割,特征提取,目标分类和识别等工作.因此,SAR图像的相干斑去除问题一直是SAR图像应用研究的重要问题之一.针对SAR图像噪声去除问题,提出了一种基于Contourlet多尺度分解域主成分分析的SAR图像去噪新方法,并且简要归纳了已有的SAR图像去噪方法.方法首先对源图像进行Contourlet分解,在不同频段的子带图像中,利用主成分分析方法进行能量保持,用重构图像来进行子带去噪,最后通过Contourlet逆变换得到去噪之后的图像.在SAR图像上的实验结果表明,方法不仅较好地保持了图像的纹理和细节特征,且信噪比也较高.     

一种抑制SAR图像斑点噪声的图像融合方法

首先研究了图像融合小波基的选区,并利用提升小波技术分别对合成孔径雷达图像和光学遥感图像进行小波提升分解;然后,对分解后的SAR低频分量进行邻域平均,再与光学图像的低频分量进行加权平均;为了抑制SAR图像斑点噪声的影响,重点研究了高频分量的融合方法,并提出了一种依据斑点噪声特征变化而自适应地改变融合窗口的方法,该方法提高了SAR图像的目标解译和识别能力;最后,使用融合前后的SAR图像进行图像的目标检测,结果表明,融合后的图像能够明显抑制SAR斑点噪声影响,使SAR图像目标检测的效果更佳。     

基于Radon变换的高分辨SAR图像舰船目标精细分割

随着合成孔径雷达（Synthetic Aperture Radar, SAR）分辨率的提升,利用SAR图像进行舰船检测和识别逐渐成为海洋目标监视的重要手段。但受限于SAR成像机理,高分辨SAR图像旁瓣问题开始凸显,这严重影响舰船目标的主体分割。提出一种基于Radon变换的舰船目标精细分割算法,通过将SAR图像进行Radon变换,在Radon域实现了旁瓣数据的识别与剔除。然后利用形态学滤波去除细碎旁瓣,最终实现了SAR图像旁瓣的有效抑制。利用高分三号和COSMO-SkyMed卫星图像数据对算法进行验证,结果表明该算法相比于现有分割算法,在区域内均匀性、区域间差异性、形状复杂度等方面均具有较好的提升。     

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。     

OpenMP多核计算技术在SAR图像处理中的应用

SAR图像数据量大,常规识别算法复杂、处理耗时,难以满足实时性要求。针对这一问题,提出一种基于OpenMP多核计算的SAR图像目标分类算法。在分析基于模板匹配的SAR图像目标分类算法的基础上,给出基于OpenMP多核计算技术的图像处理并行处理框架,实现SAR图像目标分类算法的并行计算。最后,采用所提方法对3类目标进行分类识别实验,SAR图像分类识别的处理速度提高了8倍,表明了该方法是有效的。     

基于改进正则化方法的SAR图像区域特征提取

合成孔径雷达(SAR)图像上的各种噪声削弱了目标、阴影等感兴趣区域(region of interest,ROI)的细节特征,影响了后续的目标检测、分类和识别等应用。传统的正则化方法能够增强SAR图像的目标特征,但是运算量过大,实时性不好。提出一种改进的正则化方法,有效地提高了SAR图像区域特征提取的速度和精度。理论上证明,降质算子的优化可以使运算量由O(M3N3)降到O(MN),同时保留了区域特征增强的能力。利用MSTAR数据库中实测的SAR图像进行算法验证,实验结果表明该方法能够大幅度提高目标杂波比,有效抑制感兴趣区域内的噪声,从而更精确地把目标和阴影等区域从背景杂波中提取出来。     

基于改进NSST-PCNN的光学与SAR图像融合去云方法

由于光学遥感穿透性差,光学图像常受到云层等天气因素干扰而影响其遥感应用。现有基于多时相或单幅图像修复的方法受地物变化及缺乏先验信息的影响,难以恢复云下真实地物信息。利用SAR图像不受云层、光照等因素干扰的特点,提出一种与SAR图像融合的光学图像去云方法。首先利用分形网络演化算法（FNEA）结合形状及光谱特性对云区进行检测,接着采用非下采样剪切波变换（NSST）对光学与SAR图像进行分解,最后对分解后系数结合云区检测结果进行融合,其中低频信息基于改进加权能量和进行融合,高频则结合方向信息熵及脉冲耦合神经网络（PCNN）模型进行融合。以高分一号、二号光学和高分三号SAR图像数据进行实验。结果表明,该方法相较其他5种算法在云区与参考图像有更高的相似性,可以更好地保持纹理及细节特征,在有效解决云层遮挡问题的同时实现图像增强,有利于后续图像分类、目标识别以及图像判别等遥感应用。     

基于多通道分类合成的SAR图像分类研究

SAR具有全天时、全天候工作能力,且能够提供高分辨率图像数据。SAR图像分类是SAR图像处理的关键步骤。目前,SAR图像分类多是基于单通道图像数据。多通道SAR数据极大地丰富了地物目标信息量,利用多通道数据进行分类,是SAR图像分类的重要发展方向。本文提出基于多通道分类合成的SAR图像分类算法。该算法首先利用SVM对不同通道的数据分别进行分类,然后利用粒度合成理论对不同的分类结果进行合并,最后实现多通道SAR数据图像分类。本文重点论述了利用该方法进行SAR图像分类的基本流程和步骤。最后,结合实验结果,证明了该算法的可行性和有效性。     

面向对象的高分辨率SAR图像处理及应用

目的随着合成孔径雷达(SAR)技术和分辨率的不断提高,越来越多的空间细节呈现在高分辨率SAR影像上。与此同时,SAR图像的数据量越来越大,人们对其应用需求也越来越高,这使得传统的基于像素的SAR处理方法不再适用。面向对象分析技术以像元集合——"对象"为分析单元,为高分辨率遥感图像处理提供了有效的思路,并日渐成为遥感、摄影测量以及GIS等领域所关注的对象和研究热点之一。目前该技术在光学遥感中已经得到了广泛的应用,但在SAR图像处理中的应用还处于起步阶段。方法本文在简要阐述面向对象分析技术起源和特点的基础上,对SAR图像面向对象技术中常用的多尺度分割算法进行了分类分析,接着对面向对象技术在SAR遥感的应用方向进行全面介绍,最后对面向对象技术在SAR上的应用进行了总结与展望。结果面向对象分析技术在SAR图像处理中的应用主要分为以下五个方面:地物分类、城市信息提取、变化检测、海洋应用、森林应用。结论面向对象分析技术在解决高分辨率SAR图像尺度效应、抑制噪声等方面有着重要作用。目前,国外学者在基于SAR的面向对象分析技术研究上已经取得了一定的进展,但总体上该技术仍面临诸多问题,需要进一步的研究和完善。     

Research Progress of Synthetic Aperture Radar Image Segmentation

Image segmentation is an indispensable part for synthetic aperture radar (SAR) image automatic interpretation.Segmentation results with high-quality are the guarantee of SAR image applications.In addition,owing to the development of SAR sensors,the segmentation task based on SAR image has been widely concerned in recent years.However,compared with the optical images,the unique properties of SAR images lead to great challenge in SAR image segmentation.With the development of pattern recognition,machine learning,remote sensing technology and other related techniques,SAR image segmentation has made great progress.This paper reviews the progress of SAR image segmentation,and then puts its emphasis on the summary of the widely used algorithms：FCM,MRF,statistical model,region information,level set,multi-scale and deep learning,etc.Finally,several viewpoints for the future research of SAR image segmentation are proposed.     

智能遥感：AI赋能遥感技术

随着人工智能的发展和落地应用,以地理空间大数据为基础,利用人工智能技术对遥感数据智能分析与解译成为未来发展趋势。本文以遥感数据转化过程中对观测对象的整体观测、分析解译与规律挖掘为主线,通过综合国内外文献和相关报道,梳理了该领域在遥感数据精准处理、遥感数据时空处理与分析、遥感目标要素分类识别、遥感数据关联挖掘以及遥感开源数据集和共享平台等方面的研究现状和进展。首先,针对遥感数据精准处理任务,从光学、合成孔径雷达等遥感数据成像质量提升和低质图像重建两个方面对精细化处理研究进展进行了回顾,并从遥感图像的局部特征匹配和区域特征匹配两个方面对定量化提升研究进展进行了回顾。其次,针对遥感数据时空处理与分析任务,从遥感影像时间序列修复和多源遥感时空融合两个方面对其研究进展进行了回顾。再次,针对遥感目标要素分类识别任务,从典型地物要素提取和多要素并行提取两个方面对其研究进展进行了回顾。最后,针对遥感数据关联挖掘任务,从数据组织关联、专业知识图谱构建两个方面对其研究进展进行了回顾。除此之外,面向大智能分析技术发展需求,本文还对遥感开源数据集和共享平台方面的研究进展进行了回顾。在此基础上,对遥感数据智能分析与解译的研究情况进行梳理、总结,给出了该领域的未来发展趋势与展望。     

改进卷积网络的高分遥感图像城镇建成区提取

目的 城镇建成区是城镇研究重要的基础信息,也是实施区域规划、落实城镇功能空间布局的前提。但是遥感影像中城镇建成区的环境复杂,同时不同城镇建成区在坐落位置、发展规模等方面存在许多差异,导致其信息提取存在一定困难。方法 本文基于面向图像语义分割的深度卷积神经网络,使用针对特征图的强化模块和通道域的注意力模块,对原始DeepLab网络进行改进,并通过滑动窗口预测、全连接条件随机场处理方法,更准确地实现城镇建成区提取。同时,针对使用深度学习算法容易出现过拟合和鲁棒性不强的问题,采用数据扩充增强技术进一步提升模型能力。结果 实验数据是三亚和海口部分地区的高分二号遥感影像。结果表明,本文方法的正确率高于93%,Kappa系数大于0.837,可以有效地提取出大尺度高分辨率遥感影像中的城镇建成区,且提取结果最为接近实际情况。结论 针对高分辨率遥感卫星影像中城镇建成区的光谱信息多样化、纹理结构复杂化等特点,本文算法能在特征提取网络中获取更多特征信息。本文使用改进的深度学习方法,提出两种处理方法,显著提高了模型的精度,在实际大幅遥感影像的使用中表现优秀,具有重要的实用价值和广阔的应用前景。     

卫星遥感及图像处理平台发展

航天科技是国家综合国力和科技实力的重要体现,而卫星遥感则是航天科技转化为生产力最直接、最现实的途径之一。遥感数据获取与分发、数据处理与信息提取是卫星遥感应用的两个基本步骤。随着国家民用空间基础设施规划中的遥感卫星体系稳步推进,以及商业卫星遥感的蓬勃发展,我国的卫星遥感数据获取能力呈现质量齐升之势。但同时,作为卫星遥感应用的基础设施和关键工具,遥感图像处理系统平台逐渐成为制约自主卫星数据应用和空间信息业务发展的重要因素之一。本文围绕卫星遥感对地观测主题,从卫星遥感数据获取能力、卫星遥感数据处理系统平台两方面,对国内外现状进行综述,在此基础上分析了卫星遥感的发展趋势。     

Parallel implementation of Gray Level Co-occurrence Matrices and Haralick texture features on cell architecture

Texture features extraction algorithms are key functions in various image processing applications such as medical images, remote sensing, and content-based image retrieval. The most common way to extract texture features is the use of Gray Level Co-occurrence Matrices (GLCMs). The GLCM contains the second-order statistical information of spatial relationship of the pixels of an image. Haralick texture features are extracted using these GLCMs. However, the GLCMs and Haralick texture features extraction algorithms are computationally intensive. In this paper, we apply different parallel techniques such as task- and data-level parallelism to exploit available parallelism of those applications on the Cell multi-core processor. Experimental results have shown that our parallel implementations using 16 Synergistic Processor Elements significantly reduce the computational times of the GLCMs and texture features extraction algorithms by a factor of 10× over non-parallel optimized implementations for different image sizes from 128×128 to 1024×1024.     

High-resolution image compression algorithms in remote sensing imaging

Digital image processing (DIP) has great application values in many fields, especially in remote sensing image processing, which represents the acquisition, enhancement, analysis, encoding, transmission, and storage of remote sensing images. With the development of chip technology and parallel computing technology, various digital image processing technologies have been successfully applied to satellite applications to help researchers exploit reliable information from remote-sensing images. However, the huge amount of images generated by ultra-high resolution optical remote sensing satellites put great pressure on existing transmission, storage, and processing technologies. Therefore, this paper proposes a spatio-temporal compression pipeline for remote sensing images based on lossy compression methods with ultra-high compression ratios to reduce the overhead required for the transmission and storage of remote sensing images while maintaining the quality of the compressed images. The experimental results show that the proposed method outperforms the classical image compression such as JPEG-2000.     

TM与ETM影像融合用于地质构造解译

多源遥感影像数据融合是一种通过高级影像处理技术来复合多源遥感影像的技术，其目的是将单一传感器的多波段信息和不同传感器提供的信息加以综合，以提高获取信息的有效性和准确性，解译的可靠性，以及形成对目标的完整一致的描述。本采用TM与ETM经图像处理和融合，用于对地质构造解译，取得良好效果。