SAR图像理解与解译研究进展

本文主要评述SAR图像理解与解译的研究现状，并指出了该领域的相关问题及今后的发展趋势．论文从SAR图像相干斑抑制、图像分割、特征提取、识别与分类等六个方面较深入地分析了SAR图像理解与解译关键技术的最新进展，指出了进一步研究的方向．     

基于二维提升结构的SAR相干斑噪声抑制

针对SAR图像提出了一种新的二维提升变换斑点噪声抑制方法.这种方法利用提升结构构造的双正交小波所具有的良好的逼近和重构性能,以及平滑面区域的特性而实现.仿真时将阈值去噪环节加入变换中.仿真结果表明,本文提出的二维提升变换方法在充分抑制图像斑点噪声的同时,能很好地保持均匀区域内的辐射特性,图像中的边缘、细小特征和点目标,以及图像的纹理特征,克服了传统降噪方法的不足,具有较好的视觉效果.     

高属性维稀疏数据聚类回归逻辑 神经网络模型及学习算法

针对高属性维稀疏数据聚类问题,定义了模糊取大逻辑神经元,给出一种新的单层离散型回归逻辑神经网络模型,由稀疏特征差异度组成的相似阵作为该网络的初始权矩阵,通过单层离散型回归逻辑神经网络学习算法,可求出相似矩阵的等价阵,根据等价阵,给定不同的阈值,可动态地、有效地实现对高属性维稀疏数据的归并,使得聚类结果更符合实际情况,聚类质量较高.相比同类聚类算法,它具有学习、修正和应变功能,适用于大规模稀疏数据库和稀疏数据仓库的聚类分析.     

无线传感器网络节点间认证及密钥协商协议

无线传感器网络的特性使它面临着比传统无线网络更大的安全挑战,其安全解决方案必须兼顾安全性和系统性能等因素。节点间认证及密钥协商是构建安全网络最基本的协议,是密钥管理协议和安全路由协议等的实现基础。很明显,包括传统Adhoc在内的各种无线网络领域中的安全认证及密钥协商机制都无法适用于无线传感器网络。为此,在充分考虑无线网络攻击方法和无线传感器网络自身特点的基础上,结合基于ID的公钥密码技术,提出了椭圆曲线双线性对上的无线传感器网络节点安全认证及密钥协商协议。分析发现,该协议不仅满足安全性要求,同时,能够适合无线传感器网络的特殊应用要求。     

脊波框架的构造及其在图像去噪中的应用

为了能够充分利用现有的各种小波族,提出了脊波框架的概念。脊波框架的构造不需利用Meyer小波的特殊"封闭性质",几乎各种正交小波基都能被用来构造此框架。叙述了脊波框架的构造过程,并证明了其构成框架界为1的紧框架。最后为验证脊波框架的有效性进行了去噪实验。     

基于自适应窗口固定及传播的 多尺度纹理图像分割

 本文提出一种基于自适应窗口固定及传播的多尺度纹理图像分割方法,在小波域隐马尔科夫树模型(WHMT)的初始分割基础上,根据分割粗尺度上的区域一致性好,细尺度上的边缘准确的特点,利用上下尺度像素之间以及本层邻域像素的马尔科夫性,标记出图像的一致性区域和边缘区域,将一致性区域固定,类标直接下传到下一尺度,边缘区域则利用邻域信息确定出上文权值背景传播到下一尺度,与下尺度一起共同指导图像分割,从而很好的保持了区域均匀性和边缘准确性.同时根据纹理图像区域聚集性的特性,利用基于多项式展开和置信区间交叉(LPA_-ICI)方法找出各类区域聚集的物理位置中心,融入上下文权值背景中,使得指导分割策略能够更好的进行.实验表明,对于合成纹理图像来说,本文提出的多尺度融合算法在均匀区域内部及区域边界都大为改善,而且无须进行参数的训练,使算法快速的完成.     

层次泛函网络学习算法及其在时间序列分析中的应用

设计了一类单输入单输出泛函网络与双输入单输出泛函网络作为构造层次泛函网络基本模型。提出了一种层次泛函网络模型,给出了层次泛函网络构造方法和学习算法,而层次泛函网络的参数利用解方程组来进行逐层学习。以时间序列中典型的Hénon映射为例,通过比较分析看出,层次泛函网络更适合于时间序列分析。计算机仿真结果表明,这种层次学习方法,对时间序列具有收敛速度快和逼近精度高等特点。     

一种基于泛函网络的多项式Euclidean算法

提出一种基于泛函网络的多项式Euclidean计算新模型，给出一种基于泛函网络的多项式Euclidean新算法。网络的泛函参数利用解线性方程组方法来完成。相对于传统方法，该方法不但能够快速地获得所求多项式问题的精确解，而且可获得所求多项式问题的近似解。计算机仿真结果表明，该算法十分有效、可行，可以看作是对传统的Euclidean算法的一种推广。该算法将在计算机数学、代数密码学等方面有着广泛的应用。     

多尺度变换域图像的感知与识别:进展和展望

多尺度变换域隐马尔可夫模型能够有效地描述变换域系数在尺度间、尺度内和方向间的统计相关性，是一种新的统计图像感知与识别方法，文中以变换域系数的统计相关性描述为中心，以模型的设计和应用的开展为两翼，深入分析了子波变换的三级统计特性与机理，比较研究了多尺度变换域的十种统计模型，并系统评述了这些模型在图像感知、处理和分析中的最新进展，同时，具体沦述了这一领域研究中两类成功的实例：图像去噪和图像纹理分割，对于前者，以Lena图像为测试用例分析比较了以变换域统计模型为核心的8种算法的去噪性能；对于后者，按照分割类型（监督式或非监督式）和应用的图像类型系统比较了以统计模型为基础建立的15种图像分割方法，最后，从面向应用的模型构造和算法设计、变换域的拓展和应用层次的推广三个层面指出了目前存在的问题和不足，探讨了进一步的研究重点。     

基于商空间粒度计算的SAR图像分类

SAR图像的分类是实现SAR图像自动理解与解译的图像的分类提供了大量有用的信息,尤其对于单波段、单极化的SAR图像,纹理信息就显得格外重要.然而,不同纹理特征对SAR图像中不同地表结构内在属性的刻画能力并不一致.如何将不同纹理特征结合起来,以获得应用范围更广且分类效果更好的SAR图像分类方法,是当前SAR图像处理研究中的一个热点问题.文章将商空间粒度计算引入SAR图像的分类中,结合SAR图像特性,提出了一种基于粒度合成理论的SAR图像分类方法.该方法首先利用具有良好推广能力的支撑矢量机基于不同纹理特征获得SAR图像的不同分类结果,并认为这些分类结果构成不同的商空间,再根据粒度合成理论将这些商空间组织起来得到SAR图像的最终分类结果.实验结果验证了这种方法的有效性和正确性以及商空间的粒度计算在SAR图像分析中的应用潜力.