乳腺肿瘤超声图像纹理特征分析

提取乳腺肿瘤超声图像的肿瘤区域,计算乳腺肿瘤图像的纹理特征参数,研究纹理特征与肿瘤良恶性的关系。基于综合空间灰度共生矩阵计算11个乳腺肿瘤超声图像的纹理特征参数,然后分别利用模糊C均值和K-medoid聚类算法对乳腺肿瘤进行良恶性判别,同时,通过重复实验找到判别肿瘤良恶性的最佳特征参数组合。实验结果表明相关性、和方差、相关信息度量1和相关信息度量2四个特征参数组合的判别结果最好,达到了72.64%。因此,纹理特征在一定程度上能够反映良恶性乳腺肿瘤的区别,其对于鉴别乳腺肿瘤的良恶性是有效的。     

利用纹理相关性对OCT影像进行血管分割

随着医学的发展,OCT影像技术越来越广泛的应用于多个医学领域,对OCT影像的处理就显得更加重要。基于图像纹理相关性的影像分割技术已经开始应用于活体微循环OCT影像的处理,如视网膜组织,皮肤血管组织等。对活体OCT影像的处理及其血管的分割有助于医生更好的诊断血管疾病。本文我们提出了一种基于灰度期望和精典Niblack结合的二值化阈值选取方法,并结合图像相关性对活体小白鼠耳朵血管的OCT影像进行图像分割,提取血管的轮廓,再经过形态学处理,得到较为准确的血管轮廓。      

On Stereo Viewing of SAR Images

The interpretability of side-looking radar images can be significantly enhanced by the use of overlapping image strips viewed stereoscopically. Although the subject has been studied for many years, the lack of systematically acquired data has meant that the optimum sensor geometry for good stereo viewing and mapping accuracy is still undetermined. This paper attempts to evaluate stereo viewability using available real images and describes on-going work utilizing digital elevation maps and computer image simulation.     

SAR图像人造目标检测研究

在合成孔径雷达(SAR)自动目标识别中,人造目标的检测至关重要。该文根据SAR图像的特点,对图像中的人造目标进行了检测。首先采用自适应小波滤波方法对图像进行滤波,在保留图像细节的前提下有效地去除了图像中的乘性噪声,使后续的检测变得相对容易。然后采用基于自适应遗传算法的C-划分二维模糊熵算法对图像进行分割。实验结果表明,该文方法能够有效地检测出图像中的人造目标。     

基于灰度秩数向量的非监控纹理图像分割

纹理图像分割的首要问题是纹理特征的提取与描述.传统的统计纹理描述方法和结构纹理描述方法各有特点,但也各有不足.本文从结构与统计结合的角度,提出了一种基于灰度秩数的结构性统计方法,该方法可以较好地抽取物体表面的结构特征.在用本算法对纹理进行描述的基础上,本文采用了一种广义最小体积椭球聚类算法(GMVE)对所抽取的纹理特征进行聚类分割.算法有效性在实际纹理分割中得到了验证.     

Assessment of Atmospheric Propagation Effects in SAR Images

TerraSAR-X, the first civil German synthetic aperture radar (SAR) satellite, was successfully launched on June 15, 2007. After 4.5 days, the first processed image was obtained. The overall quality of the image was outstanding; however, suspicious features could be identified which showed precipitation-related signatures. These rain-cell signatures are thoroughly investigated, and the physical background of the related propagation effects is provided. In addition, rain-cell signatures from former missions like SIR-C/X and the Shuttle Radar Topography Mission are provided for comparison. During the commissioning phase of TerraSAR-X, a total of 12 000 scenes were investigated for potential propagation effects, and about 100 scenes revealed atmospheric effects to a visible extent. Some of the particularly interesting events were selected and are discussed in greater detail. An interesting case of data acquisition over New York will be presented, which shows typical rain-cell signatures, and the SAR image will be compared with weather-radar data acquired nearly simultaneously (within the same minute). By comparing the images, it can be clearly seen that reflectivities in the weather-radar image of 50 dBZ may cause visible artifacts in SAR images. Furthermore, in this paper, we discuss the influence of the atmosphere (troposphere) on the external calibration of TerraSAR-X. By acquiring simultaneous weather-radar data over the test site and the SAR acquisition, it was possible to flag affected SAR images and to exclude them from the procedure to derive the absolute calibration constant. Thus, it was possible to decrease the 1 sigma uncertainty of the absolute calibration factor by 0.15 dB.     

高分辨SAR图像中杂波的统计特性分析

为使SAR图像目标检测在复杂多变的地物杂波环境中获得最佳的性能,研究SAR图像中杂波的统计特性将是一件有意义的工作.在综合对比已有统计模型的基础上,从理论上重点分析了G0分布.运用实测SAR场景中表征不同地物类型的大量数据,从幅度直方图拟合、拟合精度检验等方面深入分析了杂波的统计特性.得出了在目前已有实用的统计模型中,C0分布最适合于描述SAR图像杂波统计特性,它是一种对于均匀、一般不均匀和极不均匀杂波区域建模的通用分布的新结论.因此,以C0分布为杂波模型的目标检测算法具有巨大的应用潜力.     

双阈值CFAR SAR目标分割方法

由于存在乘性斑点噪声,给SAR图像分割造成很大困难。本文研究了融入SAR图像散射中心的统计信息于目标分割。采用K-S统计分布拟合检验方法证明了图像中目标峰值和背景杂波峰值分别服从瑞利分布和高斯分布。提出了一种双阈值CFAR目标分割算法,试验结果证明：本文所提算法既可以快速、精确地分割SAR目标,又有一定实用性。     

多极化SAR图像3D-SPIHT压缩

该文针对多极化合成孔径雷达(SAR)图像在极化通道之间的相关性,提出了3D-SPIHT压缩方法。将多极化SAR图像(HH,HV,VV图像)作为一个整体,进行三维矩阵变换。首先在极化通道之间进行一维DCT变换,极化平面内进行二维离散小波变换(DWT),然后对3个极化混合系数平面采用分级树的集合划分(SPIHT)算法进行嵌入式统一混合编码。由于不是单独处理每一极化图像,因此不仅可以去除各极化图像内部之间的相关性,也可以去除极化通道之间的相关性。另外,由于采用统一嵌入编码,码流具有完全嵌入性,可以实现3个极化平面之间比特的精确自动分配。理论推导和仿真结果表明该方法对多极化SAR图像压缩是十分有效的。     

SAR与TM图像自动配准算法研究

为了克服SAR（合成孔径雷达）和TM（专题制图仪）图像配准时受SAR图像中相干斑噪声影响大,以及手工选取配准点精度低的缺点,提出了一种基于闭合区域的图像配准方法,先对SAR图像和TM图像进行处理得到闭合边缘图像后,采用区域生长的方法确定闭合区域,并以其所含像素点数为依据对闭合区域进行匹配,实现图像配准。实验结果表明：该方法稳定有效,对于待配准图像的波段无限制,适应性强。     

SAR图像运动模糊参数估计

本文针对SAR图像运动模糊的特点,提出了一种自适应滤波方法,结合统计平均思想,利用自相关的方法成功地提取出运动模糊的点扩展函数的长度,并把这个长度作为SAR图像运动模糊程度的度量.     

A Recursive Filter for Despeckling SAR Images

This correspondence proposes a recursive algorithm for noise reduction in synthetic aperture radar imagery. Excellent despeckling in conjunction with feature preservation is achieved by incorporating a discontinuity-adaptive Markov random field prior within the unscented Kalman filter framework through importance sampling. The performance of this method is demonstrated on both synthetic and real examples.     

一种双频极化SAR图像分类方法

本文提出了一种利用两种不同频率下的极化SAR图像进行地物分类的新方法,该方法是基于目标的散射特性随频率变化而改变的趋势和程度实现的。基于不同频率下所提取的特征量,定义了特征变化量和特征变化平面。本论文选择了极化熵变化量 和极化度变化量 作为特征,通过将 平面分割为9个区域,进而将目标分为9个类。这种方法反映了目标散射特性随频率的变化关系,物理意义直观,实现方法简单易行。将这种分类方法与Wishart分类器相结合,就可以实现对极化SAR图像的无监督迭代分类。实测的SIR-C数据的分类结果表明,该方法是一种有效的极化SAR图像分类方法。      

SAR图像舰船目标识别综述

SAR图像舰船目标识别是SAR图像海洋监视应用中的一项关键技术。在广泛文献调研的基础上,首先建立了SAR图像舰船目标识别的主要流程;接着对用于SAR图像舰船目标识别的众多特征进行归纳整理,分析了其物理意义及优缺点;然后对用于SAR图像舰船目标的分类算法进行了较为全面的综述;最后分析了目前研究中所面临的主要问题,展望了进一步研究的主要方向。     

Textural Analysis And Real-Time Classification of Sea-Ice Types Using Digital SAR Data

Digital measures of synthetic-aperture radar (SAR) image texture, as well as the local approximation to the mean value of individual ice types, were used to perform discrimination and mapping of ice types. The SAR data described in this paper were gathered in March, 1979, over the Beaufort Sea as part of the Canadian SURSAT project. Digital SAR data from a 3 × 3 km area were obtained using optical processing of the signal film and digital recording of the output image. Prior to performing the textural analysis, a digital filter algorithm was developed that minimizes the effect of radar-system-generated coherent speckle and produces an image approximating local tone while preserving edge definition. This image was used in the analysis to separate image tone from image texture. The textural analysis, which included calculating the entropy and inertia of the image, indicated that first- and multiyear, smooth- and rough-ice types could be distinguished based on the textural values obtained from the data with an overall accuracy of 65 percent. This study has also considered the use of cellular operations based upon neighborhood transformations to calculate the textural values. This computation method can potentially reduce the time to compute textural features on a general-purpose computer to near real-time rates.     

多波段SAR图像隐蔽和暴露目标标注

为了实现对场景的全面把握,为目标精确打击提供依据。文中提出并研究了多波段SAR图像中隐蔽和暴露目标的标注方法,该方法综合利用了基于决策级融合的多波段SAR图像目标检测和多波段SAR图像分类等方法。将该方法应用于P、L、X和Ku四个波段SAR图像,实现了对同一场景中的7辆卡车状态的标注。实验结果表明,该方法不但可以将场景中7辆卡车的隐蔽和暴露状态准确标注出来,而且能够准确显示目标原方位和姿态以及场景的细节特征,对目标攻击系统具有一定的辅助作用。     

基于多通道特征的SAR图像变化检测

为充分利用SAR图像的细节信息,提高SAR图像变化检测的检测精度及抗噪性能,提出一种基于多通道特征的SAR图像变化检测方法。该方法提出了一种适用于SAR图像的变化检测一体化框架,首先,为了在抑制相干斑噪声的同时尽可能多地保留SAR图像的边缘及局部信息,引入引导图像滤波方法;其次,提取8个通道特征,充分利用了图像的细节信息,获得了性能良好的差异图;最后,利用主成分分析(PCA)和K-means聚类进行差异图分析,得到最终的变化信息。实验结果表明,该方法有效提高了检测精度,并且具有良好的抗噪性能。     

基于YOLOX网络的SAR图像舰船目标检测

针对SAR图像舰船目标尺寸大小不一、舰船分布密集、背景复杂等问题,本文提出一种改进YOLOX网络并用于SAR图像舰船目标检测。该网络包括主干特征提取网络、加强特征提取网络、解耦头、预测框优化及损失计算等4个部分。与常规YOLOX网络相比,本文作了如下改进：首先,在主干特征提取网络中,3个基础特征层之后都添加了CA模块;在加强特征提取网络中,两处下采样之后也都添加了CA模块。以强化对SAR图像中重要区域的特征提取。其次,在框回归损失函数中,引入CIOU替代IOU,以更好地利用预测框和真实框之间的相对位置信息和形状信息,提升预测框回归精度。本文基于AIR-SARSHIP-2.0数据集进行了大量的舰船目标检测实验,并选择了Faster-RCNN、YOLOv3和常规YOLOX等3种网络与本文的改进YOLOX网络进行对比。实验结果表明,本文的改进YOLOX网络整体性能优于其他3种对比网络,有更少的虚警和漏警、更高的检测精度。     

基于迁移学习的SAR图像目标检测

针对深度卷积神经网络训练需要大数量样本,采用迁移学习的方法辅助网络训练,解决了SAR图像样本不足的问题。通过控制对比实验,对每个卷积块权重进行迁移与分析,使用微调与冻结相结合的训练方式有效提高网络的泛化性与稳定性;然后根据目标检测任务的时效性对网络模型进行改进,提高了网络检测速度的同时减少了网络参数;最后结合复杂场景杂波切片对网络进行训练,降低了背景杂波的虚警目标数量,复杂多目标场景的检测结果表明所提出方法具有较好的检测性能。