一种新的SAR图像目标识别预处理方法

针对合成孔径雷达(SAR)目标识别问题,提出了一种有效的SAR图像预处理方法．首先通过自适应阈值分割、形态学滤波及几何聚类处理获得干净平滑的目标图像,再采用幂变换来增强图像质量,然后提取图像的主分量分析(PCA)、二维主分量分析(2DPCA)特征来进行识别．基于美国运动和静止目标获取与识别(MSTAR)计划录取的数据的实验结果表明,结合上述预处理,PCA,2DPCA的识别性能均可达到96.5%以上．     

Dirichlet过程混合模型SAR图像分割算法

传统的合成孔径雷达(SAR)图像参数化有限模型都有其特定的物理背景或者数学假设,很难准确估计SAR图像中各地物的密度分布,为了解决这一问题,提出一种基于非参数化无限混合模型的SAR图像分割方法,该方法利用Dirichlet过程对SAR图像进行建模,进一步采用非参数化Bayes模型分割包含复杂地物目标的SAR图像。Dirichlet分布作为一种基于分布的分布可以确定不同类别的先验概率,由样本估计出密度函数来描述图像,从而可以更精确地分割各类地物。该算法在模拟图像与真实SAR图像上进行了比对测试,实验结果验证了Dirichlet过程混合模型SAR图像分割算法的有效性和稳健性。     

融合区域和边界信息的水平集SAR图像分割方法

提出了一种基于区域和边界信息的水平集SAR图像分割方法。该方法根据SAR图像的区域统计特征和边界梯度信息,建立SAR图像分割能量泛函模型;通过最小化能量泛函得到曲线演化偏微分方程;采用水平集方法求解演化方程,实现了SAR图像的分割。分别采用模拟和真实SAR图像对该方法进行了仿真。实验结果表明,该方法能充分利用SAR图像特征,不需要去除相干斑噪声的预处理过程,实现了对图像中目标与背景的正确分割。     

融合Ratio边缘信息的水平集SAR图像分割方法

提出了一种融合边缘和区域信息的变分水平集合成孔径雷达图像分割方法.该方法不需要去除相干斑噪声的预处理过程,利用具有恒虚警特性的Ratio算子提取合成孔径雷达图像的边缘信息,并与无边缘活动轮廓模型结合建立合成孔径雷达图像分割能量泛函模型,通过最小化能量泛函得到曲线演化偏微分方程,采用变分水平集方法求解演化方程,实现了合成孔径雷达图像的分割.分别采用模拟和真实合成孔径雷达图像对该方法进行了验证,实验结果表明,该方法实现了合成孔径雷达图像中目标与背景的正确分割,具有较好的边缘定位能力.     

基于参数化模型的水平集SAR图像多区域分割方法

提出了一种基于参数化模型的水平集合成孔径雷达（SAR）图像多区域分割方法。该方法采用改进的Edgeworth展开式自适应地对SAR图像统计信息进行拟合。由于无需预先估计SAR图像待分割区域的概率密度函数,因此该方法更适用于多区域分割。该方法根据分割区域数量,将改进的Edgeworth展开式嵌入到对应个数的能量泛函模型中,并给出水平集方法求解过程及数值实现方案,最终实现图像多区域分割。实验结果表明,同其他水平集方法相比,该方法能获得更高的分割精度,更适用于多区域分割。     

融合SRADPRO和SCM模型的SAR图像分割

将改进后各向异性扩散相干斑抑制算法(SRADPRO)用于合成孔径雷达(SAR)图像相干斑抑制,并和脉冲发放皮层模型(SCM)结合,提出一种自适应SAR图像分割算法.该算法首先计算SAR图像均匀采样区的标准差,并以此评价SAR图像中相干斑的影响程度,进而自适应地决定是否采用SRADPRO进行降斑处理,然后再利用SCM进行图像分割.由于SCM的自动波扩散机理,使得该算法在获得分割后的SAR目标的同时,也得到了目标边缘检测结果.与多种常规算法的比较结果证明了SAR图像分割算法的有效性.     

基于整数压缩比的SAR图像浮点数据压缩研究

提出了一种基于预处理和自适应区域编码的SAR浮点图像数据压缩方法，通过对预处理和DCT后的信息熵和图像数据的信噪比关系的研究分析，确定符合SAR数据特征的预处理参数，再根据不同图像块的DCT特征，对其进行整数倍压缩，通过实验，证明了该方法可取得非常明显的效果。     

有监督的水平集高分辨SAR图像分割方法

针对基于统计模型的水平集SAR图像分割中参数估计耗时较多的问题,提出了一种有监督的高分辨SAR图像分割方法.该方法将Fisher分布和Gamma分布分别作为高分辨SAR图像的目标和背景统计模型,结合水平集方法推导了SAR图像分割水平集函数的能量泛函模型,通过最小化能量泛函得到曲线演化偏微分方程,实现对高分辨SAR图像的...     

一种基于Gaussian-Hermite矩的SAR图像分割方法

图像分割在SAR图像处理中具有很重要的意义。文中提出了一种基于Gaussian-Hermite矩的SAR图像分割方法。该方法针对合成孔径雷达(SAR)图像斑点噪声对现有分割方法带来的影响,利用Gaussian-Hermite矩的不同阶矩并结合SAR图像特征将目标从含噪背景中分割出来。实验部分同时采用了仿真数据和实测SAR数据,通过与小波能量等4种方法的分割结果进行比较,显示出了该方法的有效性。     

快速的Otsu双阈值SAR图像分割法

在分析SAR图像的统计分布特征的基础上,根据SAR图像自动目标识别对SAR图像分割的要求,提出了一种适合SAR图像的Otsu分割算法。算法首先利用CFAR进行粗分割,然后利用Otsu进行细分割。实验结果表明,该算法分割准确且计算量小,客观评价值较高。     

Unsupervised SAR image segmentation using TMF and belief propagation

To solve the problem that the traditional statistical inference approach for the triplet Markov fields (TMF) model cannot balance segmentation accuracy and computational efficiency, an efficient statistical inference approach for the TMF model using belief propagation is proposed, and then applied to unsupervised synthetic aperture radar (SAR) image segmentation. The algorithm combines the TMF model and the statistical property of the SAR image, and translates the segmentation problem into maximization of the posterior marginal (MPM) estimation. For the two label fields in TMF, the belief propagation algorithm is generalized to the bivariate case to estimate the joint posterior marginal probability of the two label fields through message passing. The two label fields can be simultaneously estimated according to the MPM criterion. Experiments on both simulated and real SAR images demonstrate that the proposed algorithm can efficiently suppress the influence of the speckle, and obtain accurate segmentation results with a reasonable computational cost.     

马尔可夫随机场SAR图像分割的快速实现技术

针对用马尔可夫随机场(MRF)进行合成孔径雷达(SAR)图像分割的传统实现方式计算效率低的问题,提出以图像整体为操作对象并与标记图的边缘检测相结合的MRF图像分割快速实现方法.分析只针对标记图边缘像素进行处理带来错误分割的概率,将提出方法应用到扩散MRF分割中.理论分析及实验表明：与原实现方式相比,提出算法大大提高了单次迭代的速度,并可应用到一些先进的MRF分割算法中.     

基于子波域自适应融合HMTseg算法的遥感图像分割

提出了一种具有自适应融合机制的HMTseg算法,用于遥感图像的分割.该算法充分利用图像子波系数尺度间的统计相关性,通过赋予各个尺度不同的背景权值,兼顾了粗尺度分割的区域一致性和细尺度分割的边界定位准确性,保持了图像各个同质区域的主体轮廓,增强了辨别图像小目标的性能.航拍图像和合成孔径雷达图像的分割结果表明,该算法可以在分割的区域一致性和边界准确性之间做到较好的折中,提高遥感图像分割的性能.     

一种基于马尔科夫随机场的脑MR图像分割改进算法

高斯混合模型（GMM）易受噪声影响,马尔科夫随机场（MRF）模型能够很好地刻画空间特性。两者结合适用于对含有噪声的图片进行分割,但MRF模型用于图像分割时,容易出现过分割现象。针对这个问题,提出一种自适应权值系数的图像分割改进算法,从核磁共振成像（MRI）中较好地分割出脑脊液、灰质和白质组织。首先,使用K?means算法得到初始分割结果,通过期望最大化算法（EM）估计GMM参数,进而得到图像像素灰度的联合概率能量函数。然后,利用MRF邻域系统中心像素与邻域像素的灰度值、后验概率和欧式距离得到自适应的权值系数,使用MRF模型得到先验概率能量函数。最后,借助贝叶斯准则得到最终图像分割结果。实验结果表明,该算法具有较强的自适应性,能够较好地克服噪声对图像分割的影响织。与同类算法相比,该算法对含有噪声的脑部MRI图像具有较高的分割精度,可得到较好的图像分割结果。     

视觉特征方向流邻域加权PCM的SAR图像分割

应用聚类方法对合成孔径雷达(SAR)图像进行分割时,受SAR图像斑点噪声的影响,在聚类过程中应当既要考虑聚类原型的空间自适应性,又要考虑像素间强相关性,这就要求聚类隶属度与空间信息的有效结合．针对此问题提出了基于方向流场构建自适应邻域空间加权可能性c-均值聚类(PCM)算法,通过可操纵小波变换和视觉特征预测编码模型建立方向流场,用基于方向流场的Markov随机场(MRF)描述当前像素与其邻域像素间的相互关系,在像素的聚类隶属度估计中直接引入这种邻域信息,使聚类隶属度得到有效修正．实验表明这种方法在抑制噪声的同时可以保留图像的细节信息,对SAR图像有较好的分割结果．     

A New Image Segmentation Method Based on Fractional-Varying-Order Differential

In order to solve the problem of image segmentation with intensity inhomogeneity, a new partial differential equation image segmentation model based on fractional-varying-order differential is proposed. This model introduces an adaptive coefficient to set disparate differential order intervals for pixel with different gray values and use fractional-varying-order differential to process the input image combined with the CV model, then use a variety of image segmentation evaluation indicators, such as true positive(TP) rate, false positive(FP) rate, precision(P), Jaccard similarity(JS) rate, and Dice coefficient(DC) rate to measure the pros and cons of our model. The experimental results show that our method is improved on the original basis, which is more conducive to us to obtain more image details and obtain better segmentation results.     

基于自适应分割和非规则LDPC的图像编码

为了提高图像在无线信道上的传输效率和抵御误码的能力，提出了一种基于自适应分割和非规则低密度奇偶检验（low-density parity check, LDPC）码的联合信源信道编码（JSCC）方案.针对自适应分割能够把图像分割成不同重要级别的图像子块、非规则LDPC中高度数的比特节点比低度数比特节点有更强的纠错能力的特点，研究了把自适应图像分割和非规则LDPC结合起来的联合信源信道编码的算法；自适应分割后不同重要性级别的图像子块，采用非规则LDPC编码，获得了不等错误保护（unequal error protection, UEP）. 仿真结果表明,该方案能够显著地提高无线图像的传输质量和传输效率，与采用等错误保护（equal error protection, EEP）策略的JPEG图像相比，在信噪比Eb/N0=1.6 dB时，重建图像的峰值信噪比(PSNR)有17.78 dB 的改善.     

结合邻域信息粒子群聚类用于SAR图像变化检测

SAR图像变化检测可以转化为对差异图的聚类问题。由于 SAR 图像本身容易受到斑点噪声干扰,为提高聚类效果提出了一种结合邻域信息的自适应粒子群聚类算法。该方法在模糊 C 均值原目标函数基础上,引入中心像素的邻域信息,并通过自适应粒子群的全局搜索来优化聚类中心。该方法还引入了自学习算子即粒子编码中的中心像素的隶属度,能够向其相邻像素的隶属度学习,并据此修正自身的隶属度值相关。实验结果表明,与模糊C均值和量子免疫克隆聚类算法相比,该方法利用了像素的邻域信息,从而增强了抗噪性能。与模糊局部信息C均值算法相比,该方法对图像细节保持能力较强,运行时间也较少。     

SAR图像的二维灰熵模型快速分割方法

为提高图像分割速度和抵抗噪声的能力,综合利用小波分析、遗传算法、图像熵和灰色理论,提出一种基于二维灰熵模型的快速SAR图像分割方法．该方法首先对待分割图像进行小波变换,将表征图像概貌特征的低频信息重构为概貌图像,表征图像细节和边缘的部分高频信息重构为梯度图像,然后构造两者的概貌-梯度共生矩阵模型,根据最大熵原理设计二维灰色熵模型作为遗传算法的适应度函数．最后,利用遗传算法高效、并行的寻优能力,通过选择、交叉和变异等遗传操作快速逼近最佳阈值．实验表明,该方法不仅在图像分割过程中能够滤除SAR图像中的噪声,而且分割速度明显加快．     

自适应控制下图像分割及并行挖掘算法

针对海量图像数据中目标的分割及识别问题,提出了一种自适应控制下图像分割及并行挖掘算法.采用隶属度函数窗口宽度在图像直方图控制下自适应调整模糊阈值图像分割方法对图像进行分割,提取出感兴趣的潜在目标区域,基于共轭梯度法改进的BP神经网络算法对潜在的目标区域进行训练和识别,识别算法基于OpenMP并行处理模型开发来提高执行效率.结果表明:本文算法相对于基于偏移场的模糊C均值、灰度波动变换自适应阈值和自适应最小误差阈值具有更高的分割准确率,与传统神经网络算法的识别结果相比,平均识别率提高了8%,运行时间减少了2. 5 s.