基于NSCT-Gabor特征和脉冲耦合神经网络的SAR图像分割

针对SAR图像目标的精确分割问题,利用非下采样轮廓波变换(NSCT)和Gabor滤波器分别提取图像特征,然后采用脉冲耦合神经网络(PCNN)对目标区域进行增强,提出了一种分割算法。分别对图像进行NSCT分解和Gabor滤波,对NSCT域的高、低频子带系数构造一个特征图,对Gabor滤波的不同尺度构造对应的特征图,对所获取的各个特征图用PCNN进行目标增强,最后对增强的特征图进行合理合并与分割。利用MSTAR SAR数据库中各种干扰强度下的图像进行了实验,结果表明,相比于模糊C均值、马尔可夫随机场等常见的分割算法,所提出的算法分割结果更为准确,同时受噪声干扰更小。     

基于MRF模型和形态学运算的SAR图像分割

针对目标监测分析中的SAR图像分割问题,构造了一种基于马尔可夫随机场(MRF)模型和形态学运算的处理方法.首先利用SAR图像邻域空间上的马尔可夫性以及像素灰度的高斯分布模型,以较少的迭代次数实现了SAR图像的初分割;然后通过形态学运算进行处理,抑制干扰性分割,同时填充目标区域内部空洞,改善分割效果.实验结果显示,该方法...     

一种有效的圆形小幅员目标检测方法

提出了一种有效的圆形小幅员目标检测方法,首先对原始图像进行一定的预处理,并提取和细化边缘,通过有约束的边缘跟踪方法剔除大量的干扰背景边缘点和噪声,并以分段等间隔点组采样进行圆参数计算,大大减少了参数的无效累积.实验结果表明,该方法对复杂背景下圆形小幅员目标的检测结果可靠性高,实时性好.     

MSTAR图像的矩特征分析与多阈值分割

图像分割是SAR图像自动目标识别应用中的基础性问题。定义并分析了MSTAR图像的矩特征,进而构造了多阈值处理策略,用于MSTAR图像的分割。首先研究了目标、阴影,以及背景区域统计特性,并确定了相应的数学模型描述,在此基础上给出了矩特征的定义,并分析了其基本特性。通过由图像空间到矩特征空间的转换,显著增强了目标区域与阴影、背景区域的差异性,因此通过构造不同的阈值化规则,实现了MSTAR图像中目标、阴影和背景区域的分割。对MSTAR图像的处理结果表明,与恒虚警率（CFAR）、最大类间方差（OTSU）、模糊C均值（FCM）和马尔可夫随机场（MRF）等典型分割算法相比,本文方法不需进行噪声抑制,但在分割效果和鲁棒性等方面性能更好,同时,对多尺度、多目标MSTAR图像的分割也显示出良好的适应性。     

圆周阵列太赫兹干涉成像中目标场景仿真

太赫兹干涉成像是一种基于频谱域的成像方法,通过对目标场景的频谱域信息采样重构目标图像,避免了逐像素扫描,所需的探测阵元数目少,在图像获取速率和成像分辨率上具有发展潜力。研究了太赫兹干涉成像原理及其实现方法,分析了成像分辨率和有效视场问题。通过仿真实验分析了目标场景中存在噪声对成像质量的影响,表明干涉成像对目标噪声较为敏感。对安检应用场景的反射成像模式进行了分析,证明了原理系统的适用性。仿真结果所得结论可为太赫兹干涉成像系统设计和实际应用提供理论依据和技术支持。     

良分布的多特征遥感图像自动配准算法

针对基于点特征的遥感图像自动配准算法中存在特征点分布不均匀的问题,提出了一种基于SIFT(尺度不变特征变换)、Harris-Laplace(多尺度角点)、MSER(最大稳定极值区域)特征提取算法的多特征遥感影像配准方法。通过多特征与二次匹配,极大的提高了匹配点数目;通过基于距离的筛选,保证匹配点分布均匀合理;通过局部互信息精校正,使匹配点精度更高,最终达到高质量(空间分布均衡,匹配精度高)自动配准目的。     

基于改进型GIW算法的TerraSAR-X图像斑点噪声抑制

针对TerraSAR-X图像中的斑点噪声抑制问题,分析了噪声的基本数学模型,并考察了经典处理方法,进而结合Kuan滤波的基本思想,给出了一种改进型梯度倒数加权(GIW)滤波算法,利用邻域像素和中心像素的灰度梯度倒数及其邻域统计信息构造滤波加权模板,然后通过卷积操作实现斑点噪声的抑制。对TerraSAR-X图像处理的结果表明该算法原理简单,实现方便,可有效抑制图像中的斑点噪声,同时具有优良的边缘细节保持能力,非常适合边缘提取、目标检测等后续处理。     

基于PCNN和最优化评价准则的曲波域图像融合

利用曲波变换能够准确捕获图像高维奇异信息的特点,提出了一种在曲波域中基于脉冲耦合神经网络和最优化评价准则的图像融合方法。该方法用曲波变换对输入图像进行多尺度分解,再利用脉冲耦合神经网络的全局耦合特性对高频子带曲波系数进行选取,定义图像融合的目标函数,根据最优化目标函数确定低频曲波系数的融合权值,进行曲波逆变换得到融合图像。实验结果以及与其他算法的比较分析表明了算法的有效性和优越性。     

应用均值漂移和粗糙集理论增强TerraSAR-X图像边缘

作为图像的基本内容之一,边缘信息在房屋等典型地面目标识别中具有非常重要的价值。针对相干成像机制所产生的斑点噪声在高分辨率TerraSAR-X边缘信息提取中的不利影响,给出了一种基于均值漂移和粗糙集理论的组合处理方法。首先以均值偏移显著抑制斑点噪声干扰,然后利用粗糙集理论的下近似和上近似关系,对Sobel边缘检测结果进行增强处理。房屋等人造目标的TerraSAR-X1m分辨率图像的实验结果显示,均值漂移方法能够在有效抑制斑点噪声的同时,较好地保持边缘细节,而基于粗糙集的边缘增强可以显著改善Sobel边缘检测结果,最终生成高质量的目标边缘图。     

自适应的改进Goldstein干涉相位图滤波算法

在Goldstein的合成孔径雷达干涉测量干涉相位图滤波算法基础上,构造了一种自适应的域加权系数来取代原先人工设定的经验值,并以局部相干系数计算其幂指数,解决了原算法在面对复杂干涉条纹图时,由于均采用一致性处理而导致的过滤波和欠滤波问题．仿真数据和实际ERS数据处理结果表明,改进算法在显著降低干涉相位噪声的同时,也很好地保持了相位分辨率．