基于变差函数纹理特征的高分辨率SAR图像建筑区提取

本文提出了一种基于变差函数纹理特征的高分辨率SAR图像建筑区提取方法,该方法以建筑区变差函数曲线的周期性为依据,首先提取周期性变差函数曲线的变程,然后以该变程为间距计算相应的变差函数值作为分类特征,最后采用非监督模糊C-均值(FCM,Fuzzy C-Mean)分类器实现建筑区和非建筑区两类分类问题,在去除小区域和填补空洞的操作之后,提取最终的建筑区轮廓.在实际计算变差函数特征图像时,为提高算法的实用性,将全方向的变差函数计算转化为四个方向的变差函数之和,并提出快速递推算法以替代常用的逐点加窗计算方式.实验结果表明,利用变差函数纹理特征可以有效地区分高分辨率SAR图像上的建筑区与非建筑区,提取出来的建筑区完整性较高,且虚警较少.与经典的灰度共生矩阵法(GLCM,Gray Level Co-occurrence Matrix)相比,本文方法在应用于不同高分辨率SAR图像的建筑区提取时,其性能可媲美甚至优于经典的GLCM法,而在计算效率上远远高于GLCM法,因而更具有实用的意义.     

强化位置感知的光学与SAR图像一体化配准方法

图像配准是光学与SAR图像信息融合的基础。现有典型的配准方法大多依赖于特征点检测与匹配来实现,对不同场景区域的适用性较差,容易出现误匹配点多或有效同名点不足以致配准失效的情况。针对该问题,本文提出了一种强化位置感知的光学与SAR图像一体化配准方法,利用深度网络直接回归图像间的几何变换关系,在不依赖特征点检测与匹配的情况下,实现端到端的高精度配准。具体地,首先在骨干网络中利用融合坐标注意力的特征提取模块,捕获输入图像对中具有位置敏感性的细粒度特征;其次,融合骨干网络输出的多尺度特征,兼顾浅层特征的定位信息与高层特征的语义信息;最后提出联合位置偏差与图像相似性的损失函数优化配准结果。基于高分辨率光学与SAR图像配准公开数据集OS-Dataset的实验结果表明,与现有典型的OS-SIFT、RIFT2、DHN及DLKFM四种算法相比,所提方法对于城市、农田、河流、重复纹理及弱纹理等不同场景区域均具有良好的稳健性,在配准的目视效果以及定量的精度指标上均优于现有算法。其中平均角点误差小于3个像素的百分比与四种算法中精度最高的DLKFM相比提高了25%以上;配准速度与四种算法中最快的DHN基本相当,...     

基于分水岭变换的高分辨率机载城区SAR图像建筑物自动检测方法

该文提出了一种从单幅高分辨率机载SAR图像上自动检测建筑物目标轮廓的方法。该方法以应用标记的分水岭变换为基础,针对建筑物的强回波特性和形状特征,主要采用CFAR检测和方向相关分析得到标记图像,然后利用最小强制技术和标记图像修改原始图像的梯度图,最后对修改后的梯度图作分水岭变换得到建筑物目标的边界轮廓。实验结果表明了该算法的有效性。     

图像纹理分类方法研究进展和展望

纹理分类是计算机视觉和模式识别领域的一个重要的基本问题,也是图像分割、物体识别、场景理解等其他视觉任务的基础.本文从纹理分类问题的基本定义出发,首先,对纹理分类研究中存在的困难与挑战进行阐述;接下来,对纹理分类方面的典型数据库进行全面梳理和总结;然后,对近期的纹理特征提取方法的发展和现状进行归类总结,并对主流纹理特征提取方法进行了详细的阐述和评述;最后,对纹理分类发展方向进行思考和讨论.     

基于遗传算法的SAR图像道路网检测方法

提出了一种基于遗传算法的SAR图像道路网检测算法.该算法以道路在SAR图像中呈黑色直线状结构为基本出发点,首先检测线特征点以获取潜在道路点;接着利用基于每个连通区域上的Radon变换提取线基元;然后从图像上最长的线基元出发,以其为种子基元,在其周围确定一个搜索区域,用遗传算法选择与种子基元共线的线基元进行连接,并更新种子基元,直到完成所有的连接,得到候选道路段.为了使检测道路更准确,利用蛇模型调整道路段的位置,然后用道路的特征进行鉴别.最后检测道路的交叉点,完成整个道路网的检测.机载SAR图像的实验结果及定量分析均证明了该算法的有效性.     

SAR图像飞机目标智能检测识别技术研究进展与展望

合成孔径雷达(SAR)采用相干成像机制,具有全天时、全天候成像的独特优势。飞机目标作为一种典型高价值目标,其检测与识别已成为SAR图像解译领域的研究热点。近年来,深度学习技术的引入,极大提升了SAR图像飞机目标检测与识别的性能。该文结合团队在SAR图像目标特别是飞机目标的检测与识别理论、算法及应用等方面的长期研究积累,对基于深度学习的SAR图像飞机目标检测与识别进行了全面回顾和综述,深入分析了SAR图像飞机目标特性及检测识别难点,总结了最新的研究进展以及不同方法的特点和应用场景,汇总整理了公开数据集及常用性能评估指标,最后,探讨了该领域研究面临的挑战和发展趋势。     

基于主导边界Radon变换的SAR目标方位角估计方法

针对仅利用主导边界估计带来的目标垂直与水平方位的模糊问题,提出一种基于主导边界Radon变换的合成孔径雷达(SAR)图像目标方位角估计方法。该方法基于分割图像中目标主导边界长度的判别准则进行解模糊,同时引入目标主导边界Radon变换的估计算法,解决了传统主导边界算法中长、短主导边界不易分离的问题。MSTAR实测数据的实验结果表明提出的算法具有良好的精确度和适应性。     

一种基于局部梯度比率特征度量SAR图像相似性的新方法

本文针对SAR图像相干斑噪声和图像局部梯度特性,提出一种基于局部梯度比率特征的相似度准则.首先提取SAR图像各个像素的梯度比率特征,进而构建局部梯度比率特征直方图LGRPH,并进一步分析多尺度LGRPH,最后通过计算多尺度LGRPH的K-L距离定义相似度.基于SAR仿真和实测图像的实验结果表明,本文提出的相似度准则对SAR图像上相干斑噪声和局部梯度变化不敏感,能有效应用于SAR图像的目标识别.     

基于可变参数化几何模型的SAR图像飞机目标特征提取方法

基于飞机目标的轮廓特点和成像特性,提出了一种基于可变参数化几何模型的合成孔径雷达（SAR）图像飞机目标特征提取方法。首先,利用飞机目标的先验知识构造一个描述飞机目标外形轮廓的参数化模型;然后,对于输入的实测飞机目标切片图像,构建目标函数来度量模型与实测图像中目标区域的拟合程度,通过遗传算法求解最优参数;最后,在最优参数模型的基础上计算目标的几何特征。基于仿真和实测数据的实验结果验证了该方法的有效性。     

基于遗传算法的SAR图像自动道路提取

为了有效地进行SAR图像道路目标自动提取,提出了一种基于遗传算法的SAR图像道路目标自动提取方法。该方法首先通过Frost滤波器去相干斑;然后利用乘性Duda线特征检测算子进行线特征检测,接着利用Radon变换进行线基元提取,再利用遗传算法进行线基元连接;最后利用蛇模型调整道路位置并进行道路鉴别。在星载和机载SAR图像上进行的实验以及性能定量评估结果证明了该方法的有效性。