一种改进的SAR图像边缘检测算法

灰度平均值比率与梯度(RGoA)边缘检测器是一种简单、有效的SAR图像边缘检测方法.但它也存在缺点,边缘点检测准则在某些情况下不适用,比率门限和梯度门限均需要由人工预先确定.本文提出一种改进的SAR图像边缘检测算法,它修正了边缘点检测准则,采用Otsu方法计算灰度平均值比率门限和梯度门限,实现优化门限自动选择.用SAR图像对算法进行了实验验证.实验结果表明,所提出的算法是一种有效、实用、自动的边缘检测算法.     

一种基于小波SAR图像斑噪声抑制的改进算法

基于小波变换的合成孔径雷达(SAR)图像斑噪声抑制算法,能很好的减小相干斑噪声对SAR图像的影响.但该算法在平滑噪声的同时,往往也会使图像的边缘变得模糊,降低了SAR图像的分辨率.比例边缘检测算法能较完整和准确的检测出SAR图像的边缘.我们试图提出一种改进算法,结合小波方法和比例边缘检测两种算法的优点.利用比例边缘检测提取出SAR图像的边缘图,用小波的方法对去边缘的图像进行去斑噪声处理,再把边缘图叠加到去噪后的图像上.试验证明这种算法能够在去除SAR斑噪声的同时,较好的保持SAR图像边缘.     

高分辨SAR 图像中桥梁目标的自动分割

作者沿图像边缘检测的思路，在研究SAR图像特性的基础上，提出了一种高分辨SAR图像中桥梁目标的自动分割算法，同时提出了一种新的类矩形区域的中轴线搜索算法，使得桥梁目标的图像分割更为方便，并取得了良好的检测效果。     

一种用各向异性扩散方程抑制SAR相干斑噪声的方法

本文提出了一种基于各向异性扩散偏微分方程抑制合成孔径雷达(SAR)图像的相干斑噪声的算法,简称DSADE算法。本算法根据SAR图像的局部特征在均匀区域各向同性扩散,边缘细节区域各向异性扩散,不仅可以很好地保持边缘细节信息,而且可以对其进行增强。实验结果表明,本算法不仅有效抑制了SAR图像的相干斑噪声,保持并增强了边缘细节,而且有着良好的图像视觉效果。     

基于混合遗传算法的SAR图像边缘检测

在研究SAR图像特性的基础上,提出了一种基于混合遗传算法的边缘检测方法。它将边缘检测归结为一个优化问题,利用遗传算法的全局寻优能力,能够搜索到定位准确,更加连续和精确的边缘,并且局部优化算子又能大大加快算法的收敛,因而算法兼有良好的检测效果和快速的处理速度。仿真结果也证明了其有效性。     

基于邻域均方连续差分的SAR图像边缘提取算法

该文提出了一种基于邻域均值连续差分平方和(均方连续差分)的SAR图像边缘提取算法。首先,将像素邻域滑动窗口分成多个互不重叠的子区域,采用邻域均值差分平方和作为边缘强度的衡量因子,从理论上证明了该算子可以消除区域亮度对边缘强度估计的影响,具有恒定虚警率的特性,同时较好地估计边缘方向。然后,根据边缘走向对边缘强度图像进行边缘细化,消除真实边缘附近的虚假边缘,并提出一种基于平均强度变化率的自适应双阈值连接方法提取SAR图像中边缘。仿真和实测SAR图像的实验结果表明,该文提出的算子在SAR图像的边缘检测中表现出较好的性能,具有较高检测率和边缘定位精度,边缘线段的连续性保持也较好。     

基于混合迭代滤波的SAR图像相干斑抑制

该文将变窗Lee滤波与自蛇扩散结合,提出了一种抑制SAR图像相干斑噪声的混合迭代滤波新算法,并给出了SAR图像噪声方差的一种有效估计方法。该算法首先估计SAR图像局部统计参量,进而通过改进的变窗Lee滤波对SAR图像进行平滑去噪,接着利用自蛇扩散去除Lee滤波难以平滑的孤立点噪声与边缘噪声。在Lee滤波与自蛇扩散的混合迭代中,Lee滤波的窗尺度随迭代次数的增加而增大,从而在保护SAR图像边缘细节的同时,同质区得到更好平滑。实验结果表明,与已有多种抑斑算法相比,该文算法在SAR图像抑斑与边缘保护方面均获得了更好的性能。     

一种基于IFS的图像边缘检测方法

首次提出了一种基于IFS的图像边缘检测方法，该方法以IFS理论为基础、以MSE为失真测度，对图像进行边缘检测，改进的局部快速算法可以有效减少检测搜索时间。实验结果表明，本文所采用的边缘检测方法是一种有效的图像边缘检测方法。     

剪切波域梯度取大策略的SAR与红外图像融合

为了综合合成孔径雷达(SAR)与红外成像这2种探测手段各自的优点,提高侦察效果,运用剪切波变换工具,提出一种能充分保留原SAR与红外图像边缘特征的融合策略。算法利用了剪切波对多曲线图像多分辨表示的优势,通过梯度取大的融合策略保留了原SAR与红外图像中的边缘信息。实验结果表明,该算法能有效抑制斑点噪声干扰,保留原图像边缘信息,是一种有效的SAR与红外图像融合方法。     

SAR图像的自动分割方法研究

由于存在相干斑噪声的影响,给SAR图像分割造成很大的困难,该文提出了一种SAR图像的自动分割方法。首先在特征提取阶段,通过计算小波能量提取纹理信息,用邻域统计量提取灰度信息,用保边缘平均灰度提取边缘信息,以确保边缘准确。然后提出一种改进的完全无监督的聚类算法进行图像分割,该算法可以自动确定分割的类型数目。由于该方法充分考虑了SAR图像的纹理、灰度和边缘信息,因而极大地提高了其最终分割性能。实验结果证明了该方法的有效性。     

一种基于非线性扩散方程和Hausdorff测度理论的SAR图像与光学图像配准方法

该文提出了一种新的利用非线性扩散方程与Hausdorff测度的合成孔径雷达(SAR)图像与可见光图像的配准算法。在此算法中,首先利用非线性扩散方程的SAR图像分割算法获得SAR图像与光学二值图像中相对应的闭合区域特征,将闭合区域质心坐标重合后,被提取特征可通过Hausdorff测度与遗传算法对图像进行快速粗匹配。在粗配准的基础上最后使用二值图像的相关度来进行精配准。实验结果表明,本文方法鲁棒性好,配准精度高,能自动完成存在较大坐标平移、角度变换、尺度缩放的待配图像的配准。     

基于非线性SIFT框架SAR图像匹配

针对基于尺度不变特征变换（SIFT）的图像匹配算法性能受到SAR图像中严重斑点噪声而性能降低的问题，提出了一种改进的非线性尺度构建的SIFT算法，主要改进在于：在尺度空间构建阶段，该算法通过将滚动引导滤波器嵌入到尺度空间构造的过程中来生成多尺度图像金字塔，在去除斑噪的同时并保持边缘的方面表现出了较其他尺度空间构建算法更好的效果；在特征检测阶段，提出了一种使用ROEWA算子和Harris-Laplace检测算子相结合的特征点检测算法，有效地抑制SAR图像中的虚假特征点，并准确地提取具有高位置精度和低误差率的不变特征点。3种不同类型的仿真和真实SAR图像对该算法进行了检验，并与其他2种基于SIFT的方法相比较，实验结果表明，该算法在匹配精度和内联点比率方面可以实现更好的性能。     

一种利用SAR和可见光图像融合检测目标的方法

本文利用军事目标在SAR图像中具有较大的雷达散射截面,后向散射强以及在可见光图像中几何外形清晰的特点,提出一种利用SAR图像和可见光图像多维特征检测目标的方法。该方法分为图像预处理,目标检测和融合检测三部分。首先,利用基于特征匹配的方法对多传感器图像进行配准。其次,利用全局双参数恒虚警(CFAR)方法检测SAR图像中的目标,经过滤波处理后,确定感兴趣区域(Region Of Interesting,ROI)并提取目标的SAR图像特征;将ROI映射到可见光图像中,对该区域进行边缘检测、滤波、连通性分析、提取目标的可见光图像特征。最后,在特征层利用特征向量距离准则融合检测目标。实验结果表明该方法性能优于单传感器检测方法,且能有效的改进目标检测性能。      

改进Hausdorff距离和量子遗传算法在激光制导中的应用

为了在激光成像制导中提高目标识别的精度和实时性,并在遮挡条件下进行有效识别,采用基于改进Hausdorff距离和量子遗传算法的激光图像匹配算法,选择图像的局部边缘特征为特征空间,针对传统Hausdorff算法及几种改进Hausdorff距离存在的问题,提出了一种新的改进Haussdorff距离作为相似性度量;在搜索策略上,选择量子遗传算法进行并行搜索,为防止种群过早收敛,提出了种群灾变策略,并应用动态的量子旋转角调节收敛的速度和方向。通过理论分析和实验验证,取得了不同参量条件下的目标识别对比数据。结果表明,该算法可以消除激光图像中局部遮挡、噪声以及出格点等因素影响,鲁棒性好、匹配精度高、计算速度快。     

利用梯度方向的Hausdorff 距离配准红外和可见光图像

基于Hausdorff距离的算法已经被广泛应用于异源图像配准,但是现有的Hausdorff距离配准算法是在整幅图像上找最相近的点对,不仅容易出现错误匹配的情况,而且计算量很大。为了减少计算冗余和消除误配情况,提高配准的准确度,提出了一种利用梯度方向的Hausdorff距离配准算法。在进行配准时,将提取到的角点集合按照每个角点的不同梯度方向角分解为8个子集合。然后计算两幅图像中同一方向区间所对应的两个子集合间的Hausdorff距离。由于只在对应的子集合内找最相近的配准点对,减少了干扰点的数目和计算的次数,提高了计算的有效性和异源图像配准的准确度。实验结果表明,利用梯度方向的Hausdorff距离算法能够较好地运用于红外图像和可见光图像的配准,并且表现出较好的准确度和稳健性。     

改进HD距离和遗传算法的图像匹配研究

针对高分辨力图像匹配点难于确定且运算量大的问题,提出一种加权Hausdorff(HD)距离和多策略并行遗传算法相结合的图像匹配算法.算法采用概率加权Hausdorff距离,减少噪声、出格点等对匹配的影响,并利用多策略并行遗传算法的并行处理能力对概率加权Hausdorff距离进行寻优,提高匹配速度.试验结果表明,该算法对...     

基于邻域一致性的极化SAR图像仿射配准

极化SAR图像的配准是极化SAR图像处理的基础,需要具备较高的精度与速度.基于深度学习的极化SAR图像配准大多数是结合图像块特征的匹配与基于随机抽样一致性的参数迭代估计来实现的.目前尚未实现端到端的基于深度卷积神经网络的一步仿射配准.该文提出了一种基于弱监督学习的端到端极化SAR图像配准框架,无需图像切块处理或迭代参数...     

基于遗传算法的导航实时图像匹配算法

由于一般图像匹配算法均采用全局搜索法,耗时较大,为满足景象匹配辅助导航系统实时性的要求,提出了一种将遗传算法和加权Hausdorff距离算法相结合的图像匹配算法,利用遗传算法的非遍历搜索机制,迅速收敛到全局近似最优解,提高了匹配搜索的快速性.同时,提出了一种基于特征图像分支点提取的加权Hansdorff距离图像匹配算法,并给出了相应的权值求解公式,利用加权Hausdorff距离作为遗传算法的适应度函数,能够明显减少匹配搜索的计算量,提高匹配结果的精度.仿真分析表明,将遗传算法和加权Hausdorff距离算法相结合的图像匹配算法能够很好地满足景象匹配辅助导航系统的实时性和精度要求.     

A Linear Time Algorithm of Computing Hausdorff Distance for Content-based Image Analysis

The Hausdorff distance is a very important metric for various image applications in computer vision including image matching, moving-object detection, tracking and recognition, shape retrieval and content-based image analysis. However, no efficient algorithm has been reported that computes the exact Hausdorff distance in linear time for comparing two images. Very few methods have been proposed to compute the approximate Hausdorff distance with higher approximation error. In this paper, we propose a linear time algorithm for computing the approximated Hausdorff distance with lower approximation error. The proposed method is effective to reduce the processing time, while minimizing the error rate in content-based image processing and analysis.     

SAR图像多尺度配准的小波域最小割模型方法

 针对合成孔径雷达(Synthetic Aperture Radar,简称SAR)图像提出了一种基于小波域改进最小割(Improved Minimum Cut,简称IMC)模型的多尺度配准方法.该方法首先将小波分解后的高频信息与SAR图像的特性相结合,用以指导在低频子图像中基于IMC模型的图像分割,从而获得两幅图像中完整的区域轮廓特征,然后通过融合开闭轮廓的信息,分别利用统计直方图和Hausdorff距离获取配准参数并对之细化,最后通过逐层校正参数完成多尺度的配准.实验结果表明,该方法能避免斑点噪声对轮廓提取和匹配的影响,能够实现具有平移、尺度和旋转变化的亚像素级精度的SAR图像配准.