一种基于差异度的极化SAR图像迭代分类方法

该文提出了一种用极化SAR数据协方差矩阵的相关性和回波功率差异来定义的目标间的差异度,并在这一差异度的基础上提出了一种新的迭代分类方法。该迭代方法与基于Wishart距离的迭代分类方法相比,不需要矩阵的求逆运算和矩阵的对数运算,降低了迭代过程的计算量,也不再需要目标的先验信息,扩展了其适用范围。该方法应用于NASA/JPL的SIR-C系统在香港地区的实测极化SAR数据,得到了很好的分类效果。     

极化SAR图像的联合加权极化差异度变化检测算法

以联合加权极化差异度为特征提出了一种极化SAR图像变化检测新算法。首先计算两个不同时相的极化SAR图像的极化散射差异度和极化功率差异度,然后根据二者的相对大小分配加权系数计算联合加权极化差异度,得到差异图像,最后通过阈值分割技术提取变化区域实现变化检测。利用两组美国UAVSAR系统采集的全极化SAR实测数据对算法进行了验证,结果表明,本文算法能有效检测地物的变化情况,且检测虚警少、轮廓清晰。除此之外,算法无需知道图像的统计分布,通用性强。      

复杂场景下的极化SAR图像机场跑道检测

提出一种基于极化分解分类与结构特征相结合的复杂场景全极化SAR图像机场跑道检测方法。首先利用先验信息粗选图像中各类样本目标进行H/α分解提取图像中各类训练样本,然后根据极化SAR图像的统计特性,利用贝叶斯分类器对图像进行分类,提取图像中机场跑道疑似区域,再结合机场跑道的五种结构特征用二叉树法进行判别,最终确定机场跑道区域。利用美国UAVSAR系统采集的多组全极化实测数据对算法进行实验,结果表明,该算法能够有效地检测出跑道,且检测的跑道结构完整,轮廓清晰,虚警率低。      

基于多向差异度的红外弱小目标检测算法

在分析红外图像中弱小目标的特征后,针对目前经典的红外弱小目标检测算法性能不足的问题,提出了一种基于多向差异度的红外弱小目标检测算法.该算法利用待检测像素点在各方向上的差异度来判决其是否为目标,无需背景预测、图像增强等处理,因此其构造简单,计算量小,易于实现,并能有效改善复杂背景环境下红外弱小目标的检测性能.通过大量的仿真实验证明了该算法的有效性和优越性.     

基于梯度的极化SAR图像超像素分割

超像素分割在图像分割领域以其优异的性能表现被广泛应用,准确性和高效性是评价分割性能的重要指标.简单线性迭代聚类（simple linear iterative clustering,SLIC）方法在光学图像上表现出了优异的性能,在极化合成孔径雷达（synthetic aperture radar,SAR）图像中也被广泛应用,然而SLIC方法中的初始化步骤不能准确地定位类中心,需要多次的迭代纠正误差.改进的分水岭方法（spatial constrained watershed,SCoW）是一种基于梯度阈值区分的简单且高效的分割方法,但是不能直接用于极化SAR图像.本文受SCoW的启发,提出一种对SLIC进行预处理的分割方法,通过横虚警（constant false alarm rate,CFAR）边缘检测器计算得到极化SAR图像的梯度信息,并将梯度信息用于初始化分割.基于两幅实测极化SAR图像,将本文提出方法与其他三种方法对比.实验表明本文方法可以减少整个算法的迭代次数,得到更加符合图像信息、贴合图像边界的分割结果.     

基于差异度的极化SAR相干斑抑制效果评估

相干斑抑制是极化SAR图像解译和信息提取的基础。针对采用极化特征图对极化SAR图像相干斑抑制算法极化信息保持能力定性评估的不足,本文提出一种基于差异度的相干斑抑制效果评估方法。该方法通过比较相干斑抑制前后目标区域的差异度,实现相干斑抑制算法对目标极化信息保持能力的定量评估。在评估过程中采用分别先对目标区域内每个像素做差异度后求平均的方法,代替传统的先将目标区域内像素K矩阵求平均后求极化特征图的方法,避免了先对各个像素做平均带来的二次估计。对通过极化特征图判断性能接近的不同相干斑抑制算法,得到更为精确的评估结果。最后选取三类典型相干斑抑制算法,分别对仿真数据和实测ESAR数据中的面目标和点目标进行评估,验证了方法的有效性。      

在航拍图像中自动识别机场跑道的算法

提出了一种用于在航拍图像中自动识别机场跑道的方法，首先，根据机场跑道的诸多特征，构造出机场跑道的模型，然后采用假设，检验的方法，在边缘检测后的图像中，进行搜索，连接，合并，将图像中的跑道识别出来，大量的实验证明，这种方法可以自动在航拍图像中准确，快速地识别出机场跑道。     

基于Otsu和模糊核聚类算法的极化SAR图像分类

随着极化技术的发展,越来越多的高分辨率SAR图像出现,对其分类成为一个耗时的工作。针对该问题,提出了基于Otsu和模糊核聚类算法的极化SAR图像分类。将SAR图像分类分为两步,第一步借助Otsu法进行粗略分割,将图像转化为若干个区域;第二步利用模糊核聚类算法将第一步剩下的像素进一步分类。实验结果表明,该算法既可保持较高的分类精确度,又可保证较快的计算速度。     

毫米波雷达机场跑道异物分层检测算法

强杂波背景下的弱小静止目标检测是毫米波机场跑道异物(FOD)检测雷达面临的核心问题。该文提出一种基于功率谱特征和支持向量域描述(SVDD)一类分类器的FOD分层检测算法。该算法首先利用杂波图恒虚警率(CFAR)检测器对复杂背景杂波进行杂波对消处理,针对对消后虚警过多的问题,对对消后的数据提取功率谱特征,将其转换到特征域,最后利用SVDD一类分类器在特征域实现对FOD和虚警的分类。基于实测数据的试验结果表明所提方法可以获得较好的检测性能。     

图像分割与分类相结合的PolSAR图像机场跑道区域检测

目前全极化合成孔径雷达(Polarimetric Synthetic Aperture Radar, PolSAR)图像的机场跑道检测以基于分类的方法为主,检测效率较低,且需要更多的先验信息。针对此问题,本文提出一种基于图像分割与分类的无监督机场跑道检测方法。首先定义了图像的伪散射功率(Pseudo Scattering Power, Pspan),并结合Pspan和Tsallis熵对图像进行阈值分割,得到机场跑道感兴趣区域;然后利用密度峰值搜索和Wishart距离结合的分类器进行二分类,最后根据机场跑道的纹理和几何特征对分类结果进行进一步辨识,确定真实机场跑道区域。分别利用不同系统采集的多组实测PolSAR数据进行实验,结果表明该方法能够检测出图像中的所有机场,且外部轮廓清晰,结构完整,检测效率提高。      

多特征分类的PolSAR图像飞机目标检测方法

针对目前有关极化合成孔径雷达(Polarimetric Synthetic Aperture Radar, PolSAR)的飞机目标检测算法虚警较多、自适应性较差的问题,给出一种复杂大场景中PolSAR图像多特征分类的飞机目标检测方法。该方法分为线下分类器训练和飞机目标检测两部分。使用Filter特征选择结合穷举法筛选出分类性能高的飞机极化特征训练SVM (Support Vector Machine, SVM)分类器;利用异化散射功率提取疑似飞机目标,进一步提取多个极化特征送入SVM分类获得检测结果。利用UAVSAR系统采集的多幅实测数据进行实验,并与现有的PolSAR图像飞机目标检测算法进行对比,结果表明该方法能够有效检测出飞机目标,并且虚警和漏警较少,方法自适应性有所提高。      

非高斯背景下跑道异物监测雷达的杂波图CFAR技术

随天线扫描呈时变性的强地杂波是影响机场跑道异物检测的主要原因之一,传统的杂波图恒虚警检测方法在处理非高斯分布杂波时目标检测能力很差。文中提出一种双参数杂波图恒虚警率(CFAR)检测方法,首先分析了跑道场景和雷达系统特性,根据调频连续波雷达体制建立了接收信号模型;然后通过非相参积累、双参数估计、一阶递归滤波等处理,对每次扫描测量值的样本均值和样本方差分别进行时域迭代平均,获得检测门限阈值,实现了对非高斯背景杂波中跑道异物的CFAR检测;最后进一步分析了影响检测性能的主要参数。     

基于散射模型的极化SAR图像相干斑抑制算法

针对地表目标散射具有随机取向特性,给出一种新的基于散射模型的极化合成孔径雷达相干斑抑制算法。首先将去取向理论用于相干斑抑制的预处理过程,之后在考虑图像中存在混合散射像素的情况下,通过Freeman分解将像素分成4种散射类型,利用欧式距离分类器对像素进行无监督分类,最后按最小均方误差准则对图像降斑处理。利用美国宇航局喷气推进实验室(NASA/JPL)的AIRSAR系统实测数据进行实验,结果表明,文中方法由于考虑了图像中目标散射的随机取向特性和混合散射情况,并采用相应的处理方法,改善了像素初始分类结果,相干斑抑制效果和分类结果明显优于LEE的基于散射模型降斑算法。     

基于循环迭代的多帧湍流退化图像复原算法

采用频域多帧循环迭代解卷积算法(CIBD),针对提高复原图像的准确性和快速性两个方面进行研究。以退化序列中任意帧作为起始帧,逐次增加迭代帧,确保更多的观测帧参与循环迭代解卷积以增加复原的准确性;通过图像间的相关矩阵估计初始点扩展函数(PSF),采用尺度梯度投影法,自适应迭代步长,增加迭代终止条件等措施提高算法的收敛速度。实验结果表明,采用提议的算法能够有效地重建不同大气湍流条件下的远距离观测图像,性能优于传统多帧盲反卷积(MBD)迭代算法。     

一种基于张量积扩散的非监督极化SAR图像地物分类方法

针对相似度表达的困难性以及极化SAR图像中固有的相干斑噪声问题,该文提出了一种基于张量积(TPG)扩散的非监督极化SAR图像地物分类算法。张量积扩散一般用于光学图像的分割或检索,目前研究表明,其已可用于极化SAR(PolSAR)图像地物分类。基于张量积扩散可以稳健地度量数据点之间的测地线距离,因此能够更好地挖掘数据点之间内在的相似度信息。首先,将极化SAR图像进行分割,生成许多超像素;其次,基于超像素提取7种特征并生成一个特征向量,进而利用高斯核构建相似度矩阵;再次,基于已构建的相似度矩阵,利用张量积扩散沿着数据点的内在流形结构进行相似度的传播,实现全局的相似性度量,从而获得一个具有更强判别能力的相似度矩阵;最后,基于此相似度矩阵进行谱聚类以得到地物分类结果。该文在仿真和实测极化SAR图像上均进行了大量实验,并与4种经典算法进行对比,结果表明该方法可以有效地结合空间邻域相似度信息并取得更高的分类精度。      

基于Landweber迭代的图像重建算法

本文尝试将一种新型的基于Landweber迭代算法用于电阻抗断层图像(EIT)重建。该算法与线性反投影算法不同,Landweber算法可以明显地改进图像质量。仿真结果表明,它不仅可以消除噪声干扰,而且能加快收敛速度。     

基于聚类识别的极化SAR图像分类

该文提出一种基于判别式聚类框架的非监督极化SAR图像分类算法,利用判别式监督分类技术实现非监督聚类。为实现该算法,定义了一个结合softmax回归模型和马尔科夫随机场光滑性约束的能量函数。该模型中,像素类标和分类器均为需要优化的未知变量。该算法从基于${H / {\bar \alpha }}$目标极化分解和K-Wishart极化统计分布而产生的初始化类标开始,交替迭代优化分类器和类标的能量函数,从而实现对分类器和类标的求解。真实极化SAR数据上的实验结果证明了该算法的有效性和先进性。     

基于差分法的噪声检测和变分法的图像滤波算法

针对图像的椒盐噪声滤除算法中,在噪声检测阶段对噪声点的检测通常不够准确,在噪声恢复阶段,又缺乏对边缘信息的保护,文中提出了一种两步复原法,以用于复原被脉冲噪声破坏的模糊图像。算法将滤噪过程分为噪声检测和噪声恢复阶段。噪声检测过程中,在滑动窗口扩大当前的像素值和其他像素值之间的有序差异,来确定当前像素是否为噪声像素。而在噪声恢复过程中利用变分法,确保图像的边缘和细节。实验结果表明,文中所提检测、降噪方法在噪声密度较高的情况下,优于其他算法。