基于邻域信息的SAR图像变化检测

为了减少合成孔径雷达(SAR)图像中乘性斑点噪声对变化检测结果的影响,充分地利用了像素的邻域信息。首先使用邻域比值(NR)方法构造差异图像,然后提出基于邻域信息的模糊C均值聚类(FCM)算法。NR算子在构造差异图像时能够较好地保留图像信息并抑制噪声的干扰。同时将邻域信息引入到FCM算法的目标函数,以邻域加权距离改进了FCM算法在欧式距离计算中的不足,并约束了隶属度函数,减少了噪声对邻域中心像素的干扰。通过以上考虑像素邻域信息的算法,得到了差异图像的聚类结果,从而实现了SAR图像的变化检测。实验结果表明,所提算法较传统的FCM和K-means聚类算法,可以较好地保留图像变化区域的信息,同时提高了SAR图像变化检测的准确度。     

基于小波融合和PCA-核模糊聚类的遥感图像变化检测

本文提出了一种变化检测方法以提高算法的鲁棒性、检测精度以及抗噪性.首先对差值法构造的差异图和比值法构造的差异图进行小波融合.然后将融合图像分成互不重叠的小块,并用主成分分析得到图像块的正交基.通过将融合图像中每个像素的邻域小块映射到正交基上使得每个像素用一个特征向量来表示.最后用基于核的模糊C均值对特征向量进行聚类.实验结果显示与使用单一类型差异图的聚类方法相比,本方法由于采用了图像融合的策略而增强了鲁棒性,且由于采用了核模糊聚类,进一步提高了变化检测精度.此外由于使用了特征提取的技术,本方法具有一定的抗噪性能.     

基于红外CCD的掺钆液体闪烁体液位测量方法

图像分割在医学超声图像的定量、定性分析中均扮演着十分重要的作用, 并直接影响到后续的分析、处理工作。针对医学超声图像对比度低和噪声强的特点, 提出了一种将超像素和模糊聚类技术相结合的图像分割方法。该方法利用简单线性迭代聚类算法产生多个超像素子区域, 通过比较各个子区域间特征向量的相似性, 利用模糊C均值(FCM)聚类技术对这些过分割区域进行合并, 实现超声图像目标区域的有效分割。和传统的基于单像素的FCM聚类算法相比, 该方法具有较强的鲁棒性, 有效提高了目标区域的分割精度和分割效率, 取得了较好的分割效果。     

基于模糊聚类的SAR图像变化检测

利用两种模糊聚类算法即模糊C均值聚类(FCM)和Gustafson Kessel聚类(GKC),对SAR图像进行变化检测。差异图是根据不同时相图像的灰度值得到的,为了验证算法的有效性,实验选用两个不同地区的多时相图像,实验结果比较现存的马尔科夫随机场(MRF)和神经网络算法,不但耗用时间短,而且无需变化类和未变化类像素的任何先验分布信息。     

基于超像素和模糊聚类的医学超声图像分割算法

图像分割在医学超声图像的定量、定性分析中均扮演着十分重要的作用,并直接影响到后续的分析、处理工作.针对医学超声图像对比度低和噪声强的特点,提出了一种将超像素和模糊聚类技术相结合的图像分割方法.该方法利用简单线性迭代聚类算法产生多个超像素子区域,通过比较各个子区域间特征向量的相似性,利用模糊C均值(FCM)聚类技术对这些过分割区域进行合并,实现超声图像目标区域的有效分割.和传统的基于单像素的FCM聚类算法相比,该方法具有较强的鲁棒性,有效提高了目标区域的分割精度和分割效率,取得了较好的分割效果.     

核空间自适应非局部均值鲁棒分割算法

为改善传统模糊C均值(FCM)算 法对噪声干扰下图像的分割效果,提出了一种基于核空间邻域信息和自适应非局部均值相结 合的图像鲁棒分割算法。首先,利用传统FCM聚类算法进行初始聚类分割,将 所得聚类中心作为改进算法的初始聚类中心; 其次通过自适应非局部均值算法对图像进行平滑处理,避免图像过度分割;然后对引入核空 间邻域信息的目标函数进行最优化求解, 获取聚类中心和隶属度的迭代表达式;最后对像素进行分类时,利用邻域像素隶属度对像素 进行进一步滤波处理。实验结果表明:本文的 改进算法与传统FCM聚类算法、核空间FCM(KFCM)算法、基于邻域信息的FCM(FCM S)算法和基 于邻域信息KFCM(KFCM-S)算法相比,改进算法对强噪声干扰下的图像具有较好 的鲁棒性,并且能够有效分割图像的目标信 息和背景信息。从几种算法进行聚类分割结果所对应的峰值信噪比(PSNR)也可以看出,本文 改进算法的PSNR更高。     

快速自动模糊C-均值聚类彩色图像分割算法

针对传统模糊C-均值（FCM）聚类算法计算复杂度高、无法自动确定聚类数目的问题,提出了一种快速自动FCM聚类彩色图像分割算法。首先通过改进的简单线性迭代聚类（SLIC）超像素算法预分割图像,将传统基于单个像素的聚类转化为基于超像素区域的聚类,降低FCM计算复杂度;其次利用改进的密度峰值算法自动确定聚类数目,提高算法灵活性;最后,对超像素图像进行基于直方图的FCM聚类,完成图像分割。为验证所提算法的有效性,采用BSDS500、AID和MSRC公共数据库作为实验数据集,并与其他4种FCM分割算法进行了比较。实验结果表明,所提分割算法在分割精准度、模糊分割系数、模糊分割熵和视觉效果等方面均优于其他几种比较算法。     

基于蜂群优化模糊聚类的遥感图像变化检测

针对模糊聚类算法容易陷入局部最优,结合人工蜂群算法的全局最优性,提出一种基于蜂群优化模糊C均值聚类的新算法,并将此算法应用到遥感图像的变化检测中。利用差值图和比值图融合的方法得出多时相遥感图像的差异图,在对差异图像进行模糊聚类生成变化类和未变化类的同时,利用人工蜂群算法对差异图进行全局搜索,较大程度地避免FCM算法陷入局部最优,也降低了FCM算法对初始解的敏感度。实验结果表明,新算法比FCM分类准确、效率更高。     

基于差异图构造与融合的SAR图像变化检测方法

针对合成孔径雷达(SAR)图像固有的相干斑点噪声而影响变化检测精度和准确性等问题,提出了一种基于差异图构造与融合的SAR图像变化检测方法。该方法通过L-SRAD混合滤波对SAR图像进行预处理,使用基于边缘预检测的小波融合算法实现对数双曲余弦比值差异图D_CLR和邻域比值差异图D_NR的融合,结合FCM算法和CWNN卷积神经网络对所得融合差异图进行变化检测。其中FCM算法将融合差异图预分类为三个聚类,选择合适的预分类结果作为训练样本训练CWNN模型,最后使用CWNN模型对预分类结果进行二次分类,得到最终的变化检测图。在Bern数据集上进行了对比实验,实验结果证明该方法具有较强的变化检测能力,变化检测准确率达到99.67%。     

一种改进的FCM遥感图像变化检测方法

针对传统模糊C均值(Fuzzy C-Means,FCM)算法受初始聚类中心影响而陷入局部最优的问题,提出了一种基于遗传算法(Genetic Algorithm,GA)的改进模糊C均值聚类算法。主要通过差值法获得图像的差异图,利用主成分分析(Principal Component Analysis,PCA)法提取变化影像的主要特征信息,利用遗传算法(GA)群体搜索的优点对传统的模糊C均值算法进行改进。对遥感图像的变化检测实验表明,改进的聚类算法克服了传统算法的缺点,在保留图像细节特征的前提下能有效提高检测精度,相比其他几种常见的聚类算法更有优势。     

基于极坐标格式算法的地基雷达数据处理方法

近年来,地基合成孔径雷达（Ground-based synthetic aperture radar,GBSAR)被广泛应用于地表形变监测和大型建筑物形变监测。极坐标格式算法（Polar Format Algorithm,PFA）是一种典型的聚束SAR高分辨率成像算法,本文针对地基SAR应用于特定监测目标场景这种应用背景,将极坐标格式算法应用于其中,提出了一种基于极坐标格式算法的地基雷达数据处理方法,建立了地基雷达的成像几何,从信号的相位历程这一角度分析了该方法的基本原理,引进多项补偿因子并提高了方位向的分辨率,最后通过仿真数据和实测数据验证了该理论方法的正确性和可行性。      

一种用于地基雷达数据成像处理的数字波束形成算法

地基雷达是微波成像基于地面平台的应用,具有可重复观测、稳定、可控的特点,可应用于露天矿边坡形变、城区沉降、山体滑坡等领域的长期观测。然而,目前的地基雷达基本成像原理是通过机械运动形成合成孔径,采集时间较长,不适用于快速监测。基于多通道阵列天线的雷达通过阵列天线阵元之间的电子切换扫描实现阵列方向的聚焦,可以满足快速监测的需求。本文在地基雷达中引入阵列电子扫描的工作模式,大幅度提高数据获取效率,推导了在方位向采用数字波束形成方法聚焦的处理过程。具体的,首先建立了阵列扫描的地基雷达成像几何,继而推导了应用于地基雷达实测数据成像处理的数字波束形成算法,形成了阵列扫描地基雷达的数据处理流程,最后,通过边坡实测数据的成像处理,验证了本文成像方法及处理流程的有效性,并通过强散射体的成像指标,分析了成像性能。      

地基双基地MIMO成像雷达空间分辨特性分析

地基MIMO（Multiple-Input Multiple-Output,多输入多输出）成像雷达是一种新体制雷达系统,相比于传统的地基合成孔径雷达具有便携性好、无需运动补偿及图像帧频高等优势,在滑坡等地质灾害预警方面具有广阔的应用前景。在利用多部MIMO雷达系统进行三维形变监测时,采用双基地MIMO雷达构型能够对传统单基地观测进行有效补充,可大大提高系统的整体观测自由度,但目前尚无有效的双基地MIMO成像雷达成像性能评估方法。针对这一问题,本文通过广义模糊函数对双基地MIMO成像雷达的空间分辨特性进行了分析。首先,根据系统的几何构型推导了地基双基地MIMO成像雷达的广义模糊函数表达式并分析了等效阵列特性,然后根据广义模糊函数对系统的旁瓣走向、两维分辨率和栅瓣位置进行了分析,给出了系统空间分辨率的计算公式,最后利用Matlab仿真验证了分析结论的正确性。      

基于时分MIMO的地基雷达高分辨率成像研究

基于时分多输入多输出(MIMO)的地基雷达成像有许多很好的应用价值,比如替代合成孔径雷达成像在山体滑坡监测方面的应用。针对基于时分MIMO的地基雷达高效高分辨率成像,该文提出一种基于逆傅里叶变换脉冲压缩和波束形成的成像算法。雷达通过步进频连续波技术获得高距离向分辨率,利用MIMO技术获得高方位向分辨率。通过逆傅里叶变换法实现雷达数据距离向压缩,采用波束形成算法实现雷达数据方位向压缩。同时该算法还针对MIMO天线阵列所引起的回波信号相位不连续问题进行了适当的校正,在保持算法高效性的同时提高了成像质量。根据真实的山体滑坡监测成像场景参数,通过数值仿真验证了该成像算法的可行性,应用在山体滑坡监测上理论效果良好。     

地基太阳雷达探测方法研究

雷达天文学开始于20世纪40年代,不同于天文望远镜接收天体发射的信号的被动观测手段,雷达探测是一种主动观测天体的手段。太阳雷达是利用雷达发射器主动向太阳发射特定波段的电磁波, 并接收反射回波,通过研究回波的性质, 了解日冕磁场结构、日冕物质抛射（CME）的运动状况等重要信息。 本文回顾了利用地基太阳雷达对日冕进行观测研究历史,对地基太阳雷达近些年被边缘化的原因进行了分析,最后还对中国太阳雷达的发展进行展望,地基太阳雷达可以为日冕磁场测量和对地CME的观测及预警预报提供一个全新的探测手段。     

多时相遥感影像变化检测算法研究

本文首次将非下采样Contourlet变换和上下截集模糊Kohonen聚类网络相结合,提出了一种无监督的多时相遥感影像变化检测算法。该算法采用非下采样Contourlet变换提取与对数比图像中的每个像素相对应的多尺度和多方向纹理,并采用上下截集模糊Kohonen聚类网络将这些多尺度和多方向纹理分为变化类与未变化类两类,最终得到变化检测图像。实验结果表明,与传统方法相比,对于高斯和斑点噪声,该算法具有更高的抗噪性能和检测精确度。     

一种面向对象的时间序列极化SAR图像变化检测方法

提出了一种改进的时间序列极化合成孔径雷达(SAR)图像变化检测方法。该方法首先使用简单线性迭代聚类算法对时间序列极化SAR图像进行过分割,得到时间序列图像的超像素一致表达。然后对各个超像素进行时间序列上的任意双时相交叉变化检测,得到包含时间序列图像变化信息的变化检测矩阵。最后根据变化信息对图像在时间序列上进行平滑滤波并生成动态变化图,对地物变化情况进行分析。实验结果表明,文中方法能够有效地检测和分析时间序列极化SAR图像的变化情况。     

基于K-means算法的时序GB-InSAR图像PS实时选择方法

GB-InSAR(Ground-based Interferometric Synthetic Aperture Radar,地基干涉合成孔径雷达)是一种新型的形变测量工具,应用于长期连续监测时,为了保证形变测量的准确性和实时性,通常需要将SAR图像进行分组处理,并基于PS(Permanent Scatterer,永久...     

Analysis of Ground-Based SAR Data With Diverse Temporal Baselines

In this paper, the algorithms developed for satellite synthetic aperture radar (SAR) interferometry were adapted to the ground-based SAR (GB-SAR) configuration and used for detecting the displacements of an alpine landslide which have occurred over many years. Indeed GB-SAR interferometry is based on the same principles as satellite SAR techniques but benefits from the GB-SAR's versatility and capability of gathering many images per day. In monitoring applications of landslides moving only few centimeters per year, as the case here reported, the GB-SAR sensor is installed at repeated intervals several months apart over the observation period. Although the revisiting time is very similar to the satellite one, for each survey, lasting two or three days, more than ten images are available. They are analyzed separately and in combination with images from other surveys for coherent pixel selection. Interferograms are formed by cross-combining images from different surveys. Finally, the evolution of the deformation across the surveys is retrieved in a least square sense without any assumptions on its regularity. The used GB-SAR technique is described in detail in this paper, and the results obtained with regard to a landslide in the Italian Alps that has been monitored over a period of about three years are discussed.