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。     

一种面向SAR图像的多窗口道路边缘检测算法

道路作为一种重要地物信息,在城市规划等领域中起着不可替代作用。合成孔径雷达（SAR）具有全天候等成像特点,因此基于SAR图像已有许多道路边缘检测算法。提出一种多窗口道路边缘检测算法,来解决相干斑噪声引起的道路边缘误检率高完整性差等问题。该算法首先以加权局部熵的大小为基础,评估SAR图像中像素点落在道路上的概率,然后以该概率为依据,确定每个像素点多窗口融合的权值。最后,对不同大小窗口的边缘检测结果进行加权融合。通过对不同区域的SAR图像切片进行实验,结果表明加权融合后得到的道路边缘的完整性及对噪声的抑制效果均有所提高。     

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。     

基于逼近增强算子的合成孔径雷达图像特征提取算法

针对含噪SAR图像的边缘检测效果不理想、边缘特征不明显等问题,提出一种基于逼近增强算子的合成孔径雷达(SAR)图像特征提取算法.该算法利用多尺度非均匀滤波将含有噪声与不合噪声的像素点的灰度值、结构元素以及区域内的像素加权灰度密度这三个特征进行区分,以达到去噪效果.采用基于增强算子的SAR图像检测方法,通过SAR图像的像素灰度值以及像素点分布密度均值来计算综合均值阈值,通过阈值来判断像素点是否属于边缘部分.在实验中,通过分别与基于修改的LSD算法、基于水平集算法以及基于核心聚类算法的SAR图像提取方法进行了对比分析,从对比结果可以得出算法在对含噪SAR图像进行边缘检测时可以得到更明显的边缘信息.     

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。     

高分辨率合成孔径雷达图像的直线特征多尺度提取方法

针对传统的合成孔径雷达（SAR）多尺度边缘提取方法中直线提取连续性和完整性不好的特点,提出了一个由粗到精的多分辨率SAR图像直线特征多级提取框架,利用多尺度策略在降低SAR图像噪声影响的同时增强相邻共线点之间的连续性和完整性,并在不同的尺度图像中根据边缘特征的特点选择不同处理方法,来实现低分辨率条件下完整直线特征的粗略提取和高分辨率的精确定位。最后用高分辨率SAR图像跑道检测实验进行了验证,并将实验结果与相位编组法和Hough变换法进行了比较。     

高分辨率SAR图像的水体边缘快速自动与精确检测

为了快速、自动和精确的提取高分辨率SAR图像的水体边缘,本文使用了具有保持边缘特性的小波变换对图像进行噪声压制,之后采用了块跟踪方法对水体边缘进行了粗提取,最后使用了蛇算法对粗边缘进行了精确的定位,实现了水体边缘的快速、自动、精确的检测,得到了很好的检测效果,是一种理想的高分辨率SAR边缘检测方法.     

基于平行线对检测的SAR图像主干道提取算法

为了有效地进行高分辨率SAR图像中道路目标的提取,提出了一种基于平行线对检测的主干道提取算法。处理过程分为三个层次,在低层次处理中,在经过增强Frost滤波预处理之后,采用指数加权平均比率算子对图像进行边缘检测,得到边缘像素;中层处理则先消除短线段,进行初始的路段连接,再利用平行线对检测算法,检测可能的道路段。而后在高层次处理中,进行路段的最终连接并根据建立的道路的数学模型进行道路的识别,最后通过生长判断器进行行道树干扰下路段的生长。在多幅SAR图像上进行的实验证明了该算法的有效性。     

基于数学形态学的道路提取

利用遥感图像进行道路提取已经有了一些研究,如图像分割,基于知识的道路特征识别和数学形态学等,但尚有许多问题需要解决,设计了一种基于数学形态学的遥感图像道路提取算法。该算法首先将遥感图像二值化,然后进行噪声滤除、形态学边缘检测与边缘连接。通过采用ETM+遥感图像进行实验表明,该算法与传统的边缘检测与边缘闭合的算法相比,具有更好的抗噪能力,且精度较高,具有一定的现实意义。