基于Memetic算法的SAR图像变化检测

提出了一种无监督SAR图像变化检测算法,利用数据聚类思想,通过进化算法寻找最小均方误差,得到变化检测结果.在原有Memetic算法基础上,针对图像自身特点,提出全新的搜索策略并根据当前检测结果动态调整局部搜索算法,实现了粗细结合的搜索过程.算法不受分布模型限制,不需要先验知识,适用性较强.将改进的算法与GA、ICSA及原MA进行比较,实验证明,该算法可以快速收敛.对真实SAR图像进行检测,可以得到较好的检测结果.     

基于MRF模型的SAR图像变化检测研究

SAR图像变化检测可以广泛应用于国民经济和国防建设的很多领域,已成为遥感领域中研究的热点之一.现有的SAR图像变化检测算法在变化检测过程中仅仅考虑不同时相图像数据的单一像素信息,未考虑图像像素间的空间依赖关系,检测结果易受SAR图像噪声的影响,检测精度很低.文中将能够描述图像相邻坐标之间状态的依赖关系,表达图像局部统计特征的MRF模型引入到SAR图像变化检测算法中,实验结果表明,该算法极大地提高了检测精度,且对图像噪声有很强的鲁棒性.     

基于图像分割的SAR图像变化检测算法及实现

本文提出一种基于图像分割的变化检测方法,该方法首先根据SAR图像统计特性进行图像分割,然后对两幅SAR图像的分割图进行融合,用相同的区域分割来描述两幅图像,再利用区域灰度和纹理等信息构造图像变化函数,用变化函数对图像进行变化检测判别,最后利用合成孔径雷达(SAR)图像进行的试验,并和变化矢量分析方法(CVA)进行比较,得到了很好的效果。     

基于分段的非监督SAR图像变化检测

本文提出一种基于分段的变化检测方法,该方法首先实现全局最优的图像分段,再根据位置信息产生最佳的变化检测分段图像,最后根据图像灰度和纹理信息对图像进行变化检测,利用合成孔径雷达(SAR)图像进行的实验表明了该方法的有效性.     

机载SAR雷达实时图像变化检测的实现

本文针对某机载雷达图像实时变化检测系统工程实现,阐述了SAR图像变化检测原理和表征形式,分析了机上实时变化检测实现流程和处理方式,并给出了考核方法和飞行试验成果,最后对该系统的应用前景进行了分析和总结。     

基于量子免疫克隆聚类的SAR图像变化检测

传统的基于进化聚类方法在处理变化检测时耗时过长,在搜索最优聚类中心过程中容易陷入局部最优,对于SAR图像的变化检测存在边缘定位不够准确的缺点,提出了基于量子免疫克隆聚类的SAR图像变化检测方法.把图像的灰度值作为输入信息,通过量子比特定义聚类中心,通过量子免疫克隆算法来搜索最优聚类中心,从而得到更佳的全局阈值,最后根据...     

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。     

基于统计模型的变分水平集SAR图像分割方法

针对SAR图像感兴趣区域分割问题,提出了一种基于统计模型的变分水平集分割方法。该方法在分析SAR图像特征的基础上,利用相干斑噪声的统计模型直接定义了关于水平集函数的能量泛函,不同于一般水平集方法中关于参数化曲线的能量泛函。通过极小化能量泛函,建立了水平集函数演化的偏微分方程。对水平集演化方程的数值求解,实现了对SAR图像感兴趣区域的分割。分别采用模拟和真实SAR图像对提出的方法进行了验证,试验结果表明该方法充分利用了SAR图像的特征信息,不需要相干斑噪声预处理,能够准确实现对SAR图像感兴趣区域的分割。     

基于两时相图像联合分类的SAR图像变化检测

传统分类后比较法(post-classification comparison,PCC)存在分类累积误差问题,且对单幅图像分类精度要求较高,对此,根据不同时相图像的不变信息所具有的相关性,提出了一种基于两时相图像联合分类的SAR图像变化检测方法.该方法以灰度值作为输入信息,通过相似度计算可得两时相图像对应位置像素的灰度相似度,然后求解全局相似度阈值,并用于控制基于K-均值的联合分类器对两时相图像进行联合分类,最后通过类别比较获得变化检测结果.实验结果表明本文方法不但可提高单幅图像的分类精度,而且能够精确地把不同时相图像的不变地物信息划分为同一类别,减少了分类累积误差的影响,提高了变化检测性能.     

基于双正交小波域的SAR图像滤波方法

将E-lee、E-Kuan、GammaMap、wiener等经典滤波算法和双正交小波变换相结合,提出了基于双正交小波变换域的局部统计特性SAR图像滤波方法,同时提出了一个运算量少,且是归一化的对数变换,它将乘性的Speckle噪声转为加性噪声。在小波域内建立了局部统计特性SAR图像滤波算法,使用多分辨率的手段,因为在每个方向上的小波系数都具有相同的特征,可以很好地处理图像的一些特性,使得图像边缘被模糊的相对少些。实验结果表明,此方法比经典算法的效果要好。     

全变分耦合图像去噪模型

针对TV模型去噪后图像容易产生“阶梯效应”的现象,提出一种全变分耦合图像去噪模型。首先,根据去噪过程中图像梯度的变化趋势,构造一个趋势保真项,该保真项不但能有效去除图像噪声,而且能抑制“阶梯效应”。然后用小波在频域里对图像进行系数分解,利用Canny算法的边缘检测特性,设计控制函数,控制能量的扩散方向,保持了TV模型和趋势保真项的优点,能够在保护图像边缘纹理等细节信息的同时,抑制“阶梯效应”。实验结果表明,新模型的峰值信噪比、结构相似度、视觉效果均有显著提高。另外,所提模型的运行时间较短。     

基于全变分模型的图像噪声去除效果比较

基于偏微分方程的图像去噪方法由于将数学与工程结合得更加紧密,具有较强的自适应能力和灵活性.本文首先介绍了目前已经提出的变分模型的快速Split-Bregman算法,然后通过大量数值实验对不同模型的去噪效果进行了比较.所研究的模型包括L1范数、L2范数、LTV(1ayered total variation)规则项、MTV(multicharmel total variation)规则项和CTV(color total variation)规则项,从灰度图像和彩色多通道图像两方面进行分析.实验结果表明对于灰度图像基于L1范数的TV去噪模型效果较好,彩色图像中CTV模型对图像去噪边缘保持最好,其他依次是MTV模型、LTV模型.     

SAR图像上舰船目标检测的一种新算法

提出了一种改进的KSW算法检测SAR图像上的舰船目标.在该算法中,检测门限被选择以最大化背景与目标灰度熵加权和.由于加权系数的引入,该算法能针对SAR图像上舰船目标检测的实际情况,调整背景与目标灰度熵在准则函数中所占比例.当海杂波较弱时,该算法与传统的KSW算法等价.当海杂波较强时,其较传统的KSW算法有更好的表现.     

基于图像局部方向特性的自适应全变分去噪模型

针对全变分模型(total variation,TV)以图像的梯度信息作为去噪的尺度参数,未考虑图像局部纹理的方向性的缺点,提出了一种基于图像局部方向特性的自适应全变分去噪模型(Adaptive directional total variation,ADTV),并推导出该模型的迭代数值求解过程。在该模型中,首先,计算出图像局部方向的角度矩阵。然后,构造与图像纹理方向一致的椭圆区域代替TV模型的圆形区域。最后,通过优化最小化算法迭代求解以获得去噪后图像。通过对比实验证明,本文提出的模型取得了更高的峰值信噪比,去噪过程中更好地增强了图像的细节信息。     

Non-convex hybrid total variation for image denoising

Image restoration problems, such as image denoising, are important steps in various image processing method, such as image segmentation and object recognition. Due to the edge preserving property of the convex total variation (TV), variational model with TV is commonly used in image restoration. However, staircase artifacts are frequently observed in restored smoothed region. To remove the staircase artifacts in smoothed region, convex higher-order TV (HOTV) regularization methods are introduced. But the valuable edge information of the image is also attenuated. In this paper, we propose non-convex hybrid TV regularization method to significantly reduce staircase artifacts while well preserving the valuable edge information of the image. To efficiently find a solution of the variation model with the proposed regularizer, we use the iterative reweighted method with the augmented Lagrangian based algorithm. The proposed model shows the best performance in terms of the signal-to-noise ratio (SNR) and the structure similarity index measure (SSIM) with comparable computational complexity.     

用小波变换抑制SAR图像中的斑点噪声

抑制合成孔径雷达图像中的斑点噪声一直是处理图像并得到准确图像信息的难点，提出了一种基于小波变换抑制合成孔径雷达（SAR）图像中的斑点噪声的方法，对原有的小波变换方法作了改进，能更好地保留图像的边缘信息，并能简化计算量。在仿真实验中使用了合成的模拟图像和真实的合成孔径雷图像，并与以往的小波去噪滤波方法以及一些经典的斑点噪声滤波方法（包括中值滤波，Lee滤波，Frost滤波）进行比较，在综合考虑了滤波算法在均匀区域对斑点噪声的抑制能力以及保留边缘信息能力的情况下，提出的算法有更好的效果。     

基于小波域Fisher分类器的SAR图像变化检测

给出了一种无监督SAR图像变化检测算法,它不需要分布假设,而是通过联合灰度直方图的分布特性进行判别.算法利用自适应边缘检测提取训练数据,通过Fisher分类器对联合直方图进行判别分析,得到不同小波层待检测点隶属度,并根据邻域关系以及上下文进行融合,得到最终检测结果.对真实SAR图像进行检测,得到了较好的检测结果.     

基于ICA和FCM的多时相SAR图像变化检测

针对多时相合成孔径雷达(Synthetic Aperture Radar,SAR)图像提出了一种非监督的变化检测方法,首先利用独立成分分析(Independent Component Analysis,ICA)抑制相干斑噪声和减少混合像元,提高图像的分类性能.然后对独立分量图像构造差值图像进行非监督的变化检测,最后采用加入空间邻域信息的模糊C-均值聚类(Fuzzy C-Means)方法把差异图像分为变化类和非变化类,以此克服需要选择统计模型的影响.实验结果证实了该算法能有效抑制了变化检测中的虚警.     

SAR图像点目标的检测

分析了在均匀杂波回波功率服从 Gamma分布条件下 SAR点目标检测 ,推导了点目标虚警概率和检测概率与阈值系数关系 ,提出了检测点目标阈值系数选择根据和方法。在杂波均值估计方面 ,提出了以全局均值代替局部动态均值。实际测试结果表明所提出的检测方法在检测效果和计算量方面都优于双参数恒虚警检测算法