基于特征提取的SAR图像滤波算法

针对SAR图像所包含的地物目标比较复杂的特点,提出一种新的SAR图像滤波算法.该算法利用Contourlet变换能保持边界.结合特征提取可以获得区域目标点特征的特点,利用自适应阈值的方法对SAR图像进行滤波.与传统Lee滤波和保持边缘特征滤波算法进行比较,实验表明新的算法不仅提高了图像的质量.其量化指标也得到了提高.作为该算法的应用.利用变换域内低频图像和子带图像的融合规则对L和C两个波段的SAR图像进行去噪融合,可以看出该算法的去噪效果.     

基于逼近增强算子的合成孔径雷达图像特征提取算法

针对含噪SAR图像的边缘检测效果不理想、边缘特征不明显等问题,提出一种基于逼近增强算子的合成孔径雷达(SAR)图像特征提取算法.该算法利用多尺度非均匀滤波将含有噪声与不合噪声的像素点的灰度值、结构元素以及区域内的像素加权灰度密度这三个特征进行区分,以达到去噪效果.采用基于增强算子的SAR图像检测方法,通过SAR图像的像素灰度值以及像素点分布密度均值来计算综合均值阈值,通过阈值来判断像素点是否属于边缘部分.在实验中,通过分别与基于修改的LSD算法、基于水平集算法以及基于核心聚类算法的SAR图像提取方法进行了对比分析,从对比结果可以得出算法在对含噪SAR图像进行边缘检测时可以得到更明显的边缘信息.     

基于非下采样Shearlet和几何结构的遥感图像无监督变化检测

提出了基于非下采样Shearlet和几何结构的遥感图像无监督变化检测新算法。首先将两幅SAR图像相减取绝对值得到差异图像,然后利用基于非下采样Shearlet自适应贝叶斯阈值去噪算法对差异图像进行去噪处理来减少噪声的影响。最后根据差异图像的局部几何特征和邻域信息构造跨特征矢量,再利用模糊C-means聚类算法对跨特征矢量聚类,聚类的结果为变化类和未变化类即最终的变化检测结果。实验证明:该算法对噪声的抗噪性能平稳而且有效,可以得到较好的检测结果。     

结合视觉显著性的图像去噪优化算法

图像在采样、处理、传输及存储过程中受到噪声干扰,导致图像的视觉信息衰退,而人眼对图像中不同区域噪声的敏感程度不同,因此提出了结合视觉显著性的图像去噪优化算法。首先利用视觉显著性对噪声图像进行预处理,得到噪声图像中人眼感兴趣的区域;然后运用对图像纹理保护较好的BM3D算法对该区域进行去噪处理,对非感兴趣的区域采用运算速度较快的算术均值滤波算法实现去噪处理。结果表明,该方法不仅可以获得较高的主观图像质量评价,而且在客观上相比于单纯地使用BM3D算法去噪,运算时间明显缩短。     

一种基于边缘检测的改进的中值滤波去噪方法

中值滤波是一种去除椒盐噪声的有效算法,在现实生活中应用相当广泛。传统的中值滤波在去噪的同时很容易丢失图像的边缘信息。本文提出一种基于边缘检测的改进的中值滤波去噪算法。它先将含噪图像的边缘信息检测出来,然后将边缘信息保存下来,再对原含噪图像用中值滤波进行图像去噪,然后对于保存下来的边缘信息用小模板进行去噪,再用该小模板去噪后的边缘信息区替换中值滤波后的边缘信息。最后通过实验验证,此去噪算法可以在去噪的同时更好地保护图像的边缘信息。     

基于边缘保持的SAR图像预处理方法

SAR图像空间自适应Gamma MAP滤波去噪后,常残留一些类似脉冲噪声的像素点;为了滤除这些噪声,提高图像质量,采用基于阈值的极值中值滤波;在对SAR图像进行预处理时,将基于阈值的极值中值滤波算法级联到Gamma MAP算法滤波后的SAR图像;测试图像和数据显示,该方法提高了SAR图像质量,保留了SAR图像边缘细节,能很好地检测奇异性目标,易于硬件并行架构实现。     

基于粗集的图像混合噪声滤波算法

实际应用中图像常受到不同类型噪声的同时干扰,为解决混合噪声图像的去噪问题,提出了一种基于粗集的图像滤波算法.该算法将粗集理论应用到图像滤波中,利用粗集理论的等价关系分离出不同噪声点及非噪声点,根据图像被污染的情况,选取不同的去噪策略对噪声进行滤除.实验结果表明,该算法在抑制混合噪声时性能优于传统中值滤波、均值滤波等方法,同时也能较好地保护细节信息.     

基于边缘检测和四点插值细分的SAR图像去噪

针对SAR图像相干斑滤波中存在的降低相干斑与有效保持细节信息这一矛盾,提出了一种基于四点插值细分的SAR图像去噪的新算法,将四点插值细分规则运用到图像去噪中,并与边缘检测相结合。先用canny算子提取图像边缘,进而通过四点插值细分方法分别对边缘图像和原始图像进行去噪,然后再对边缘信息进行边缘信息的重构,得到新的去噪图像。并通过等效视数、边缘保持指数等评价指标对去噪结果进行了评价。实验结果表明,与其他去噪方法相比,该算法在有效地去噪的同时,可有效地保留图像的边缘信息,具有较好的去噪结果。     

基于局部特征的正则化滤波算法

大部针对脉冲噪声的去噪算法主要利用预设的全局阀值来对含噪图像进行恢复,因此对图像局部边缘和细节的恢复能力较差。对此,本文提出一种基于图像边缘特征的正则化滤波算法。算法首先通过反映图像边缘细节的局部统计量建立自适应阀值,用以进行脉冲噪声检测,得到噪声候选集合;然后以此为基础,优化保边正则化方法,提升算法性能。仿真实验从定量数值比较和主观视觉比较两个方面表明,本文的算法在噪声密度较高时,仍能提供较好的图像恢复效果,从而为图像的后续研究提供了良好的基础。     

基于形态学重建改进的FCM算法

传统的FCM(fuzzy c-means)算法可以准确的分割多数无噪声图像,但对噪声图像非常敏感。针对于此类问题,提出了一种基于形态学重建的改进FCM算法。首先利用形态学闭合重建算子对含噪图像进行光滑化。然后利用基于邻域信息的改进FCM算法对合成图像及医学图像进行分割处理,最终得出了更加精确的分割结果。通过与其它两类算法进行数值实验对比,验证了所提出算法的有效性和实用性。     

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。     

Unsupervised change detection in SAR images based on frequency difference and a modified fuzzy c-means clustering

Change detection for synthetic aperture radar (SAR) images is a key process in many applications exploiting remote-sensing images. It is a challenging task due to the presence of speckle noise in SAR imaging. This article investigates the problem of change detection in multitemporal SAR images. Our motivation is to avoid using only one detector to measure the change level of different features which is usually considered by classical methods. In this article, we propose an unsupervised change detection approach based on frequency difference in wavelet domain and a modified fuzzy c-means (FCM) clustering algorithm. First, the proposed method extracts high-frequency and low-frequency components using wavelet transform, and then constructs high-frequency and low-frequency difference images using different detectors. Finally, inverse wavelet transform is carried out to obtain the final difference image. In addition, inspired by manifold structure constraint, we incorporate weighted local information into the FCM to reduce the influence of speckle noise. Experimental results performed on simulated and real SAR images show the effectiveness of the proposed method, in terms of detection performance, compared with the state-of-the-art methods.     

基于双树复小波变换的相位保持SAR图像降噪

为更有效地抑制噪声,提出了一种基于非正交复值log-Gabor小波变换的SAR图像斑点噪声消除算法。该算法通过相位保持消噪的门限操作确保相位信息不受破坏。由于用单一的乘性模型或加性模型消除SAR图像的斑点噪声都不能取得很好的效果,为此使用具有平移不变性及更多方向选择性的双树复小波变换图像融合算法,通过选择适当的融合规则,使乘性和加性噪声模型优势互补,就能有效抑制斑点噪声。实验结果显示,这种消噪方法与其他方法相比,有明显优势。     

结合空间邻域信息的SAR图像变化检测

SAR图像变化检测可以通过对差异图的分类来实现,由于SAR图像容易受到相干斑噪声的干扰,从而影响变化检测效果。提出了一种基于空间邻域信息模糊聚类的SAR图像变化检测方法,根据对数比法和均值比法的各自特点,构造了一种新的差异图生成方法,并通过对传统的模糊聚类算法结合像素的空间邻域信息进行改进,来实现SAR图像的变化检测。实验结果表明,与传统的阈值法、模糊聚类算法以及局部邻域信息模糊C均值算法相比,提出的算法具有较高的检测精度,不但能有效地抑制噪声影响,同时能较好地保留图像细节信息。     

改进的基于结构检测的SAR图像去斑方法

合成孔径雷达图像固有的相干斑噪声严重降低了图像的可解译程度,影响了后续目标检测、分类和识别等应用.因此,SAR图像的相干斑抑制问题一直是SAR图像应用的重要课题之一.一个理想的去斑算法应该在平滑的同时保持图像的边缘等细节不受损失,目前存在各种各样的算法,但没有一种方法能够完美的满足这一要求.为此该文提出了一种改进的结构检测的SAR图像去斑算法.利用概率迭代方法分割图像并检测边缘,结合强点检测图,将SAR图像标为结构区和非结构区,在非结构区域内进行Lee滤波以平滑噪声,对结构区直接保留原值,获得了非常好的去斑效果.利用RADARSAT实测图像进行实验,并对实验结果作充分分析,证明了本算法的有效性.     

基于目标检测的SAR图像变化检测方法

SAR图像变化检测有着广阔的应用前景,但目前的方法普遍以精确的配准为前提,使其适用范围受到限制。针对人造目标在SAR图像上的特点,提出了一种基于目标检测的SAR图像变化检测方法。通过图像中的人造目标之间相对位置关系的相似程度确定图像的变化情况,以此来降低对图像配准精度的要求。实验表明该方法在很宽的配准精度范围内都可获得较满意的结果。     

A novel approach based on structural information for change detection in SAR images

Structural information, extracted by simulating the human visual system (HVS), is independent of viewing conditions and individual observers. Structural similarity (SSIM), a measure of similarity between two images, has been widely used in image quality assessment. Given the fact that the change detection techniques identify the changed area by the similarity of multi-temporal images, SSIM has significant prospect in change detection of synthetic aperture radar (SAR) images. However, the experimental results show that SSIM performs worse in change detection of multi-temporal SAR images. In this study, we first propose an advanced SSIM (ASSIM) based on a two-step assumption of extracting structural information and a visual attention measure (VAM) model. Then, we propose a novel approach based on ASSIM for change detection in SAR images. SSIM, ASSIM, and state-of-the-art methods are tested on two datasets to compare their performances in change detection of SAR images. Experimental results show that the proposed method can acquire a better difference image than SSIM and other state-of-the-art methods, and improve the accuracy of change detection in SAR images effectively.     

基于模糊连接度的高分辨率SAR图像道路自动提取

针对高分辨率合成孔径雷达(SAR)图像受到乘性斑点噪声的影响,且道路环境复杂多变的问题,提出一种基于模糊连接度的高分辨率SAR图像道路自动提取方法。首先,对SAR图像进行斑点滤波,以降低斑点噪声的影响;其次,结合指数加权均值比(ROEWA)算子检测结果和模糊C均值(FCM)分割结果自动提取种子点,从而提高自动化程度;最后,利用以图像灰度和ROEWA检测算子边缘强度为特征的模糊连接度算法对种子点进行扩展提取道路,经形态学处理后得到最终结果。对两幅SAR图像进行实验,并与FCM方法分割出的道路结果进行比较,所提出的方法在提取完整率、正确率及检测质量上均优于模糊C均值方法。实验结果表明,所提出的方法能较有效地从高分辨率SAR图像中提取不同宽度和弯曲程度的道路,且无需人工输入种子点。     

一种基于新差异算子和纹理的SAR图像水体变化检测算法

针对多时相合成孔径雷达(SAR)变化检测中的孤立噪声点、需人工选择部分参数、信息利用不全等问题,提出一种基于新差异算子和纹理的SAR图像水体变化检测算法。一是根据SAR图像的特征,结合比率检测算子(LR)和最大似然比检测算子(LLR),提出一种新的差异算子,放大非变化和变化区域的特点,然后根据新差异图像的相邻直方图比值图确定差异图像初始分割阈值。二是提出一种新的基于局部信息的模糊C均值聚类(FLICM)方法,该方法利用初始分割阈值得到初始聚类中心,然后提出基于纹理的FLICM(FLICM_texture)方法进一步将差异图像分为3类。三是根据差异图像分割的阈值将过渡区域再次分类。本文利用加拿大渥太华和瑞士伯尔尼市、印度金奈上空的SAR图像,展示了本文方法的优越性。渥太华地区的正确率(PCC)达到了98.00%,kappa系数达到了92.03%;伯尔尼地区PCC达到了99.66%,kappa系数达到了85.77%;金奈地区PCC达到了98.83%,kappa系数达到了84.96%。