基于高分辨率SAR图像的道路提取算法

针对合成孔径雷达(synthetic aperture radar,SAR)图像中道路边缘的特点,提出了一种基于多条件加权法的高分辨率SAR图像道路提取算法。该算法使用FROST滤波抑制相干斑噪声,并使用OSTU算法对高分辨率SAR图像进行二值化,对二值化后的SAR图像进行膨胀与腐蚀,再使用五邻居边缘检测器与多条件加权法提取道路的一个边缘,最终使用桥连接模式提取出完整的道路边缘。实验结果表明,该算法可以消除噪声,消除障碍物的干扰,有效的提取道路边缘。     

高分辨率SAR图像高速公路提取算法

给出了一种新的高分辨率合成孔径雷达(SAR)图像高速公路提取算法。首先对SAR图像进行FROST滤波,抑制斑点噪声,再使用OSTU算法对SAR图像进行二值化,然后使用腐蚀-膨胀算法与HOUGH变换对二值化后的SAR图像进行处理,提取出高速公路中的隔离带,再利用圆形模板匹配方法提取高速公路中单行道的道路中心线,最后基于单行道的宽度提取出整个高速公路。实验结果表明,该方法可以消除噪声与干扰的影响,完整地提取出高速公路。     

一种新的高分辨率SAR图像道路提取算法

针对高分辨率SAR图像中道路目标难以有效提取的问题,提出一种新的高分辨率SAR图像道路提取算法,它结合了参数化内核图割和数学形态学算法。利用参数化内核图割对高分辨率SAR图像中的道路目标进行初级分割,用数学形态学填充空洞,平滑道路边缘;基于道路的几何特征,使用矩阵度、改进的长宽比、复杂度等因子去除虚警;针对处理过程中出现的道路断裂情况,利用数学形态学提取道路目标的中心线,同时根据线段邻近性、方向一致性准则对其断裂部分进行连接,用数学形态学还原道路宽度,得到道路提取结果。实验结果表明该算法不用进行SAR图像预处理,也可以有效抑制相干斑噪声,并且能准确、较为完整地提取道路目标。     

基于数学形态学的SAR图像道路提取

针对低分辨率SAR图像道路目标的各种特性,利用教学形态学的方法对道路提取进行了研究.首先利用Frost算法对图像进行相干斑抑制;然后采用改进的最大类间方差选取阈值进行分割,得到一个包含道路信息的二值图像;再利用开运算和区域选取除去非道路孤立图斑;接着,利用形态学的闲运算连接断点以及时凹凸不平的道路边缘进行平滑;最后经细化和数次剪枝得到道路.实验结果表明,该方法抗噪性好,效率高,识别道路的效果良好.     

高分辨率SAR图像道路提取综述

在遥感领域,SAR(Synthetic Aperture Radar,SAR)图像道路提取具有很高的研究意义和应用价值,特别是随着SAR成像技术的不断发展、SAR图像分辨率的逐步提高,该课题的研究更加备受关注。然而,从目前的情况看,高分辨率SAR图像的道路提取研究还不够完善,许多低分辨率SAR图像的道路提取方法在处理高分辨图像时并不适用,因此文中归纳总结了高分辨率SAR图像道路提取的一般流程,列举了一些具体的方法,同时有针对性地分析其优缺点和适用范围,指出该研究课题目前存在的主要问题,并展望其发展趋势。     

基于模糊连接度的高分辨率SAR图像道路自动提取

针对高分辨率合成孔径雷达(SAR)图像受到乘性斑点噪声的影响,且道路环境复杂多变的问题,提出一种基于模糊连接度的高分辨率SAR图像道路自动提取方法。首先,对SAR图像进行斑点滤波,以降低斑点噪声的影响;其次,结合指数加权均值比(ROEWA)算子检测结果和模糊C均值(FCM)分割结果自动提取种子点,从而提高自动化程度;最后,利用以图像灰度和ROEWA检测算子边缘强度为特征的模糊连接度算法对种子点进行扩展提取道路,经形态学处理后得到最终结果。对两幅SAR图像进行实验,并与FCM方法分割出的道路结果进行比较,所提出的方法在提取完整率、正确率及检测质量上均优于模糊C均值方法。实验结果表明,所提出的方法能较有效地从高分辨率SAR图像中提取不同宽度和弯曲程度的道路,且无需人工输入种子点。     

基于特征融合的高分辨率SAR 图像道路提取

随着机载和星载高分辨率SAR图像得到越来越多的应用, 人们开始研究新的有效的解译工具。虽然一个专业判读人员或许能够通过观察图像上亮的或暗的线性结构来检测道路网, 但是道路的自动检测仍然非常困难。提出一种简单的高分辨率SAR 图像主要道路自动提取方法。该方法分为三步: 第一步, 对原始图像进行预滤波, 分别进行了两个阈值化过程, 目的是去除不感兴趣区域;第二步, 输入第一步结果, 用Hough 变换分别进行道路识别; 最后一步基于特征融合技术, 利用一定的融合方法将检测的结果进行融合。根据对实际图像检测的结果, 证明该方法对于检测高分辨率SAR图像上的主要道路是有效的。     

一种高分辨率遥感图像中居民区道路提取方法

针对在遥感图像中提取居民区道路易受房屋等人工建筑干扰的问题,基于数学形态学提出了一种可以去除大量建筑物干扰,从而有效提取出居民区道路的算法.算法首先用顶帽变换和底帽变换对灰度图像进行了对比度争强,然后利用道路和建筑物之间的形态梯度以及道路特征对道路和建筑物进行分离,最后利用形态重建的方法得到了居民区道路网.仿真实验表明,区域中的大部分建筑物噪声被成功去除,算法是有效和可行的.     

基于高分辨率SAR图像的道路自动提取

在传统算法的基础上,用多条件加权法进行道路边缘点的判断,充分利用道路的物理特性,将道路边缘点像素上下文特性作为判断的条件,以实现道路边缘线段的识别。桥接模式的思想是根据道路边缘线平行且宽度一定的特性,通过算法找出两条边缘线段之间的对应点,连接对应点以实现道路提取。经实验测试,该算法能消除地物间的影响和噪声干扰,有效地提高了道路提取的精度和速率。     

基于GA的SAR图像中主干道路提取

从高分辨率合成孔径雷达(SAR)图像中提取道路及其他线性特征已成为目前遥感图像信息提取研究的热点。由于高分辨率SAR图像中，目标背景复杂，同时由于受相干斑噪声的影响，因此很难直接从原始图像数据中提取道路特征。为了能够从背景复杂，受斑点噪声干扰的高分辨率SAR图像中准确提取道路，提出了一种利用遗传算法提取主干道路的方法。该方法利用模糊C均值聚类法对滤波后的SAR图像进行无监督聚类，首先将图像分为林地、建筑物、道路等基本类，并将道路类像素从图像中分离出来，使问题得到简化；然后根据道路类像素的隶属度和道路像素灰度值的均匀特性来建立具体的道路模型；最后利用遗传算法搜索全局最优道路。实验结果表明，该方法可以很好地从SAR图像中提取各种主干道路。     

地理信息库支持下的SAR 影像信息提取

在计算机辅助下如何快速的对整景高分辨率SAR影像进行信息提取已成为一个研究热点。将这一问题构建为一个系统工程来进行考虑解决。在SAR影像中, 许多目标例如河流、湖泊、主要道路、街区和居民地等地理属性信息在短期内不易发生变化, 因此可将这些地理数据集作为先验信息存于数据库中, 在随后对SAR影像的信息处理中, 可以通过预先建立的地理索引调用相应的地理信息来指导信息提取过程, 从而加快整个系统的处理进度, 满足实际工作的需求。     

SAR图像道路目标提取研究

和大多数侧重于后处理的算法不同,文中在研究了合成孔径雷达(SAR)图像中道路的灰度及几何特征之后,着重在图像预处理中提出了非线性自适应保边缘滤波及局部均方差加权边缘增强算法,在去除乘性斑点噪声的同时较好地保持了道路边缘特征,再从全局的角度考虑提出了一种改进的随机Hough变换(GRHT)算法来确立道路边缘线,继而进一步确定道路中心线.整个算法可以自动进行,具有很高的处理速度及较低的储存需求,实验证明该算法能够准确有效地提取SAR图像中道路目标.     

基于纹理特征的高分辨率SAR 影像居民区提取

利用灰度共生矩阵计算高分辨率SAR 图像的纹理特征, 通过统计分析选取合适的特征矢量,并基于非监督聚类分析提取居民区。对提取的居民区以一定的面积阈值剔除噪声(细小区域) , 并利用形态学算子对提取边界进行适当的归整, 得到最终结果。在对应的光学图像上人工提取居民区范围, 以此作为实验结果的评价标准。实验结果表明本方法可以得到较好的效果。
     

SAR图像处理的最新研究与应用

系统地阐述了SAR图像的特点、研究难点、处理过程、国内外最新研究方法及应用。结合国内外SAR图像最新研究动态对SAR图像消噪、纹理分割、线性特征的提取、多目标的识别、分数维方法的应用等几个热点问题作了论述。具体地论述了利用SAR图像进行目标探测与识别、目标变化评估;在民用上利用SAR图像进行矿藏资源的探测、洪涝灾害的趋势分析,并介绍了SAR信号处理算法在医学等领域取得的显著成绩。     

结合边缘与灰度信息的SAR图像配准算法

同一场景下的合成孔径雷达(SAR)图像的灰度特性由于相关噪声的影响及成像条件不同可能存在很大差异,使得单纯基于边缘特征或灰度信息的方法难以胜任SAR图像配准工作。根据SAR图像的特点,提出一种典型地物边缘形状信息与局部灰度统计信息相结合的基于特征的图像配准方法,弥补了仅利用边缘特征或灰度信息的方法在SAR图像配准中的不足。给出了本方法用于Radarsat图像上的实验结果。     

基于半监督鉴别分析的高分辨率SAR影像建筑区提取

针对建筑物在城市化发展规划、地理国情信息系统更新、数字化城市以及军事侦察等方面的迫切要求,提出将半监督鉴别分析(Semi-supervised Discriminant Analysis,SDA)算法应用于高分辨率SAR影像的建筑区提取中,实现快速提取建筑区信息以及提高城市地物目标识别能力。以Radarsat-2影像和TerraSAR-X影像为实验数据,基于灰度共生矩阵计算影像的各种纹理特征;结合SDA算法进行特征提取,并以新特征作为大津法(Otsu)的输入提取建筑区;最后对分类结果进行后处理。实验结果与线性鉴别分析(Linear Discriminant Analysis,LDA)算法和局部保持投影(Local Preserving Projection,LPP)算法进行比较,结果表明:SDA算法具有较强的泛化能力,在先验类别信息较少时,适用于高分辨率SAR影像的特征提取,可以快速有效地提取建筑区信息。     

基于稀疏重构框架下剪切波的SAR图像去噪

SAR图像很容易被乘性噪声多污染,进而影响SAR图像后序的分析与处理。本文中提出了一种基于剪切波稀疏编码的SAR图像移除乘性噪声的新模型。首先通过压缩感知理论建立SAR图像去噪模型;其次通过剪切波变换获得剪切波系数,每个尺度的系数视为一个单元;对于每个单元,通过剪切波域的贝叶斯估计对稀疏系数进行迭代估计。重现的单元最后结合起来构造去噪后的图像。SAR图像去噪效果显示了该算法有良好的表现性,对噪声具有鲁棒性;本文提出的算法不仅有较好的去噪效果,而且还保存了更多的边界信息。     

基于共生矩阵的SAR图像村庄识别方法

针对SAR图像中村庄目标的纹理和结构特点,提出了一种纹理特征分析和基于村庄结构知识的后处理方法相结合的识别方法.在共生矩阵提取出图像纹理特征的基础上,通过实验选取三个合适的特征,计算特征矢量和样本中心距离来判决目标,以完成初步提取.然后针对道路,植被等目标造成的干扰状况,提出了一种基于计数滤波器和形态学方法的后处理方法对结果进行归整,消除大量虚警.最后根据村庄的结构知识约束,筛选目标,进一步减小虚警率,完成识别并提取出村庄的边缘轮廓结构.实验表明,该方法具有良好的识别效果.