星载SAR图像机场兴趣区检测算法

提出一种解决低信噪比、大尺寸的星载合成孔径雷达(SAR)图像机场兴趣区(ROI)自动检测问题的方法。对图像进行基于马尔可夫场的分割,由目标标记方法确定ROI的候选区。用Hough变换检测跑道平行线,滤除部分伪ROI。计算ROI候选区的跑道方向投影直方图及目标的宽、高、宽高比、目标背景面积比和目标背景灰度比5个参数,用支持向量机对样本参数进行学习,完成ROI的最终判定。用实际星载SAR图像进行试验,结果表明了该方法的有效性和可靠性。     

基于能量最小化的星载SAR图像建筑物分割方法

针对星载合成孔径雷达 (Synthetic aperture radar, SAR) 图像信噪比低、建筑物目标几何变形大以及周围背景复杂的特点, 本文提出了一种基于能量最小化的星载SAR图像建筑物分割方法.基于星载SAR图像数据构造条件概率能量项, 推动变形曲线向建筑物目标边界演化; 在能量泛函模型中定义长度能量项以保证变形曲线的平滑; 在水平集方法获取的SAR图像初始分割结果的基础上, 以高分辨率光学遥感影像中建筑物目标的轮廓作为先验信息, 构造先验形状能量项约束曲线在第二阶段的演化, 最终实现SAR图像建筑物的分割.实验结果表明, 该方法显著提高了建筑物目标轮廓的分割精度.     

大场景高分辨率SAR图像中机场快速检测方法

目前关于机场检测的研究已有很多,但大多以红外或可见光遥感图像为处理对象,而对合成孔径雷达（SAR）图像的处理主要集中在含有机场的小场景情况。针对大场景高分辨率SAR图像中机场快速检测问题,在现有检测方案的基础上提出了一种新的机场检测方法。首先对原始图像进行预处理,然后对图像进行自适应阈值分割并提取图像中的感兴趣区（ROI）,最后提取ROI的尺寸、形状、对比度和拓扑特征并送入二叉决策树进行辨识。实验结果表明,该检测方法具有较高的准确率和较快的处理速度。     

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ICA和SNF的SAR机场目标提取

针对合成孔径雷达(SAR)影像相干斑噪声强烈且分布形式及参数获取困难的问题,提出一种基于独立分量分析(ICA)和序列非线性滤波(SNF)实现多极化SAR影像相干斑噪声抑制和机场目标快速提取方法。利用ICA从多极化SAR影像中自动分离出图像数据与相干斑噪声,自动选择相干斑指数最小的分量为图像分量。通过SNF从分离出的图像分量中提取出机场目标。采用ENVISAT ASAR多极化影像进行实验,结果表明该方法能快速准确地提取多极化SAR影像中的机场目标。     

基于纹理和边缘的SAR图像多维SVM回归

合成孔径雷达(SAR)图像ROI(Region of Interest)区域存在两种情况:只包含单一地物或由混合地物组成。对此,提出一种基于特征映射的SAR图像多维输出回归方法,该方法不仅能够对只包含单一地物的SAR图像进行类别判断,也能对混合地物区域的内容做出估计。首先对SAR图像提取基于灰度共生矩阵的纹理特征,然后构造了一组能够反映SAR图像边缘长度、方向和稀疏程度的边缘特征向量,最后利用纹理特征和边缘特征对SAR图像进行基于近似迭代变权最小二乘法(IRWLS)的多维支持向量机(Support Vector Machine,SVM)回归。实验结果表明,该方法能够对包含不同地物内容的ROI区域进行有效解译,正确率高。     

高速道路交通视频中车辆目标提取研究

为了能够从监控视频中快速、准确地分析车辆目标,提出了基于感兴趣区域(ROI)的车辆目标提取方法.针对高速公路监控视频,利用混合高斯背景建模,在视频中划定ROI,以排除逆向车道车辆目标的影响,应用图像形态学进行干扰点排除与前景图像轮廓空洞填充,对运动车辆目标进行检测后,用最小矩形方框法自动截取目标,最终,通过图像尺度归一化建立车辆样本数据库,为车型分类和识别提供目标图像.实验结果表明:该方法对车辆目标提取准确率高,且图像数据库样本丰富.     

卫星遥感图像中机场的识别方法研究

机场识别作为模式识别领域的问题之一,本文结合一些已有的方法,提出了一种新的机场识别及跑道检测的解决方案.使用模糊学增强方法对遥感图像进行预处理,利用阈值分割方法进行图像分割,然后利用像素标记法提取出最大连通区域,最后通过ROI的算法,实现对机场区域的定位.     

基于合成孔径雷达回波数据的海岸线提取方法

合成孔径雷达(synthetic aperture radar,简称SAR)通过对地面目标的多次照射来提高方位向上的目标分辨能力,由此使现有的SAR目标检测算法通常是一个基于SAR图像的"后处理"过程.在分析各种成像算法和现有的一些典型SAR目标检测算法的基础上,提出了一种在非成像状态下进行海岸线提取的新方法,把成像处理与目标检测问题有机地结合起来.通过真实星载SAR回波数据应用实验,证明了直接利用SAR回波对海岸线检测的有效性.     

基于小波变换的多尺度SAR图像比对

提出一种基于小波变换在多尺度条件下用特征匹配进行SAR图像比对的方法，针对不同时间所采集的同一区域的SAR图像，自动快速地确定感兴趣的区域（ROI）并作出标识。实验结果表明，该方法能准确地进行SAR图像比对和ROI标识，具有实际应用价值。