一种改进的图像域SAR目标散射中心特征提取方法

散射中心是SAR图像目标识别的重要特征。本文基于属性散射中心模型，在文献[6]的基础上，提出了一种改进的图像域SAR目标散射中心特征提取方法。在该方法中，通过引入参数规则化处理步骤，解决了属性散射中心特征提取方法的收敛问题，提高了属性散射中心特征参数估计的精度和效率；提出了一种能同时实现散射中心数目确定和结构判别的方法，实现了散射中心类型的可靠判别。仿真数据和MSTAR实测SAR图像数据的实验结果，验证了本文改进的图像域SAR目标散射中心特征提取方法的有效性。     

基于方向ROEWA算子的高分辨率SAR图像道路提取

指数加权均值比率ROEWA算子是SAR图像阶跃边缘提取中较为常用的算法,但该方法只能提取边缘强度,不能得到边缘方向。本文在ROEWA算子的基础上,利用添加方向模板的方法,提出了获取边缘方向的ROEWA改进算法。并根据得到的边缘方向,分别提出了一种边缘筛选算法和快速的Hough变换算法,从而提取出图像中的直线信息。实验表明,本文方法准确、高效,且对SAR图像中的相干斑噪声具有很好的抑制作用。     

基于ROI特征匹配融合的图像多目标跟踪算法

在图像多目标跟踪问题中,针对图像匹配无法辨别同类别目标以及状态滤波难以对目标突发机动建模两个难点,提出了一种多特征匹配融合跟踪算法。该算法在基于局部方差图(standard deviation map,STDM)的目标检测结果的基础上,首先利用目标感兴趣区域(region of interest,ROI)的图像匹配来克服目标状态匹配误差的影响;然后利用状态特征匹配消除图像匹配识别的模糊性;最后在关联代价全局最优化框架下,将两者匹配结果融合,以提高多目标跟踪的正确率。     

一种新的图像局部仿射不变特征提取方法

提出了一种新的图像局部仿射不变特征的提取方法,首先利用阈值分割在图像中确定某个灰度取值范围的连通区域,文中证明了该区域的几何中心在图像仿射变换前后具有不变性,然后将几何中心作为局部仿射不变特征的"     

基于特征融合的遥感图像机场掩体目标检测方法研究

提出了一种融合位置特征和形状特征的机场掩体目标检测方法。以形态学方法提取机场道路的骨架图,然后用道路网的拓扑关系提取掩体目标的位置特征--断头路,用轮廓序列矩检测断头路区域内构筑物形状特征,实现对机场掩体目标的融合检测。并以高分辨率遥感图像为例进行了飞机掩体目标的检测实验,结果表明,该方法能较好地检测机场掩体目标。     

基于局部不变特征的遥感图像自动配准方法

提出了一种基于图像局部不变特征的遥感图像全自动配准算法.首先在图像二维平面空间和尺度空间中同时检测局部极值作为特征点,并在特征点邻域提取局部不变特征描述子--尺度不变特征变换(SIFT).然后运用稳健的随机采样一致性(RANSAC)算法将匹配点集划分为内点和外点,在内点域上精确地估计出图像变换模型.实验利用仿真数据测试了SIFT特征的可重复性和可匹配性,利用卫星图像验证了此自动配准算法的有效性和稳健性.     

一种快速抗间歇采样转发干扰波形和滤波器联合设计算法

该文研究了一种快速的抗间歇采样转发干扰波形和滤波器联合设计方法.基于罚函数和帕累托最优化原理给出了联合设计模型的优化数学模型.推导优化波形和滤波器过程中矩阵迹的解析表达式,有效降低了算法的计算复杂度.提出了一种基于平方迭代加速方法,解决了主分量最小化方法目标函数近似造成的算法收敛速度降低问题,进一步加快了算法运行速度....     

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.     

地面复杂目标宽带电磁散射特性分析

提出运用FDTD计算地面复杂目标宽带电磁散射特性的方法.首先分析地面的散射,并建立复杂目标的FDTD模型,再将地面的散射场与入射场视为两个激励场作用于目标,从而得到地面背景下目标的散射场.运用此方法计算了地面卡车的电磁散射特性,并与实测结果作了对比,两者比较吻合.     

一种利用方位角信息基于峰值匹配的SAR图像目标分类方法

本文研究了基于峰值匹配的SAR图像目标分类问题,给出了一种利用方位角信息基于峰值匹配的SAR图像目标分类方法.该方法先对输入待分类SAR图像进行目标峰值提取,再基于提取的峰值进行目标方位角估计,然后根据该估计及其置信区间由模板SAR图像数据库检索出方位角位于该估计及该估计+180°置信区间内的所有SAR图像,并分别提取其峰值,这样即可通过寻找待分类SAR图像与由模板库检索的模板SAR图像目标峰值间的最佳匹配,实现目标分类.和不利用方位角信息的目标分类方法相比,本文方法显然具有更高的计算效率.另外,如何快速有效的确定待分类SAR图像与每一幅模板SAR图像目标峰值间的对应关系,计算其匹配度,是基于峰值匹配SAR目标分类中的另一个关键问题,针对该问题,本文提出了一种基于匹配代价函数表搜索的SAR图像目标峰值对应关系确定方法,该方法能在得到较好分类性能的同时,有效提高分类效率.实测MSTAR SAR图像数据的分类结果验证了本文方法的有效性.