基于多源遥感卫星的海面舰船目标检测方法

围绕光学卫星遥感图像中的海面舰船目标检测问题,考虑静止轨道遥感卫星和低轨道高分辨率遥感卫星的优缺点,提出一种基于多源遥感卫星的海面舰船目标检测方法。该方法首先通过多结构多尺度形态学滤波和自适应阈值分割对静止轨道卫星遥感图像进行目标预检测,然后将预检测结果与卫星图像的地理位置信息相结合来确定高分辨率遥感图像候选目标区域,最后提取候选目标区域中目标的主要特征,进行舰船目标判别,将判别结果反映到静止轨道遥感卫星图像上。仿真结果表明,该方法能有效检测出海洋背景遥感图像中的多个运动舰船目标,具有目标检测率高、虚警率低、时效性好等优点,为静止轨道遥感卫星对海面运动舰船目标的实时监视跟踪提供了技术支撑。     

基于精细分割的SAR图像舰船目标几何结构特征提取

随着高分辨率星载合成孔径雷达（synthetic aperture radar,SAR）系统的研制和使用,利用SAR图像实现快速准确的舰船目标识别分类成为了海上目标侦察监视的重要手段.文中针对SAR舰船目标切片图像,提出一种基于精细分割的SAR图像舰船目标几何结构特征提取方法.首先,采用基于Radon变换的分割方法将舰船目标和成像干扰区域进行分离,对分离出的舰船目标切片进行阈值分割处理,并利用形态学手段处理分割图像,减小旁瓣影响,准确提取目标主区域;然后基于椭圆形状约束进行目标区域的细化分割,解决分割区域"毛刺"现象和区域断裂现象,得到舰船目标的最佳图像分割区域;最后,通过逼近目标区域获得其对应的最小外接矩形（minimum enclosing rectangle,MER）,进而实现目标区域几何结构特征的精确提取.通过对获取的高分三号卫星SAR图像数据进行仿真实验,证明了本文方法提取舰船目标几何结构特征的高准确性和强稳定性,对海上舰船目标的识别与分类具有重要意义.     

基于Ecogniton的光学遥感图像舰船目标检测

利用卫星遥感技术对海上舰船目标进行识别定位具有重要的意义。提出了一种基于面向对象的图像分割和分类软件Ecognition的技术方法来提取高分辨率遥感卫星图像中的海上舰船目标。利用多尺度分割算法和光谱差异分割算法对高分辨率卫星图像进行初步分割;利用归一化差异水体指数（NDWI）或灰度共生矩阵（GLCM）同质性纹理特征对陆地和海洋进行辨别;利用对象的相邻关系特征和形状特征来获取潜在的舰船目标;利用数学形态学算子实现舰船目标的连续化,从而获得最终的海上舰船目标。利用高分辨率卫星图像进行了实验验证,实验结果说明了所提出的技术可以有效地实现海上舰船目标的识别与定位。     

基于局部超分辨重建的高精度SAR图像水域分割方法

合成孔径雷达(SAR)图像水域分割在水资源调查、灾害监测等领域具有重要意义。针对中低分辨率星载SAR图像水域提取精度不足的难题,该文融合基于轻量级残差卷积神经网络(CNN)的图像超分辨率重建技术和传统SAR图像水域分割技术的优点,提出了一种基于局部超分辨重建的SAR图像水域分割方法,显著提升了SAR图像水域分割的精度。为了验证上述方法的有效性,该文以南水北调中线工程水源地丹江口水库为应用对象,基于国产高分三号(GF-3)卫星的8 m分辨率标准条带(SS)模式图像和欧空局Sentinel-1卫星20 m分辨率干涉宽幅(IW)模式图像,开展了水域分割的实验验证和精度评估工作。实验结果表明,该文所提方法可在中低分辨率SAR图像中获取更精确的水域分割结果,其水域分割性能较传统方法有大幅提升。      

融合层次聚类的高分辨率遥感影像超像素分割方法

为解决遥感影像分割尺度自动选取难的问题,提出了融合层次聚类的高分辨率遥感影像超像素分割方法。首先采用自适应形态重建的分水岭分割算法将影像分割成多个超像素;然后提取各超像素的灰度特征向量;最后利用层次聚类方法进行超像素合并,实现高分辨率遥感影像的精确分割。实验选用4组景遥感影像;采用定性和定量相结合的方法评价实验结果。实验结果表明,该方法有效提高了遥感影像分割精度,并取得了较好的分割视觉效果。     

基于北斗导航卫星的多角度双基地SAR成像与融合

GNSS-BSAR 是一种利用导航卫星作为发射机的双基地SAR (BSAR)系统,具有系统代价低等特点,但是其图像分辨率差、信噪比低。结合我国现有的北斗导航卫星系统,该文提出了一种BSAR 多角度观测与数据处理方法,实现了对目标区域的多角度观测,共获取了26 种几何配置下的图像,并提出一种感兴趣区域融合方法生成了多融合图像。获得了较高质量的图像,证明了多角度融合是一种扩展GNSS-BSAR 遥感应用的有效途径。      

基于改进Lazy Snapping算法的红外图像分割方法研究

针对红外图像含大量噪声以及对比度低等特点,提出一种结合快速模糊C均值聚类的改进Lazy Snapping分割方法.对红外图像使用快速模糊C均值聚类算法进行预分割,通过形态学骨架提取的方法在图像中标记出目标和背景种子点,将Lazy Snapping算法由全局分割转化为聚类区域分割,并构造能量函数,通过最小割算法求解能量函...     

一种基于形态学的红外目标分割方法

研究自然背景下红外图像中目标分割的问题,提出了一种基于形态学的红外目标分割方法．该方法先利用形态学滤波,对红外目标图像中的噪声和微小的干扰区域进行滤除,接着根据提出的计算图像形态梯度的多尺度算法提取图像梯度,而后用改进的分水岭算法对图像进行分割,最后针对过分割问题提出了一种新的区域融合方法．实验结果表明,该算法能较好地解决红外图像中的目标分割问题．     

Generalized IHS‐Based Satellite Imagery Fusion Using Spectral Response Functions

Image fusion is a technical method to integrate the spatial details of the high‐resolution panchromatic (HRP) image and the spectral information of low‐resolution multispectral (LRM) images to produce high‐resolution multispectral images. The most important point in image fusion is enhancing the spatial details of the HRP image and simultaneously maintaining the spectral information of the LRM images. This implies that the physical characteristics of a satellite sensor should be considered in the fusion process. Also, to fuse massive satellite images, the fusion method should have low computation costs. In this paper, we propose a fast and efficient satellite image fusion method. The proposed method uses the spectral response functions of a satellite sensor; thus, it rationally reflects the physical characteristics of the satellite sensor to the fused image. As a result, the proposed method provides high‐quality fused images in terms of spectral and spatial evaluations. The experimental results of IKONOS images indicate that the proposed method outperforms the intensity‐hue‐saturation and wavelet‐based methods.     

基于形态学操作和模糊聚类技术的超声图像分割

针对医学超声图像对比度低和噪声强的特点,提出了多尺度形态学操作和模糊聚类技术相结合的图像分割方法.该方法利用多尺度形态变换提取图像的结构特征,通过对不同尺度结构特征数量的统计分析,估计图像中噪声尺度大小,并修改不同尺度结构特征的强度,从而实现对图像局部对比度的增强和噪声抑制.同时,使用新的模糊C均值聚类算法对增强后图像进行分割,从而进一步地减少图像中噪声对分割的影响,完成超声图像的有效分割.实验结果表明该方法对超声图像的分割是有效的.     

A Wavelet-Based Method for the Determination of the Relative Resolution Between Remotely Sensed Images

Spatial resolution is a key parameter of all remote sensing satellites and platforms. The nominal spatial resolution of satellites is a well-known characteristic because it is directly related to the area in ground that represents a pixel in the detector. Nevertheless, in practice, the actual resolution of a specific image obtained from a satellite is difficult to know precisely because it depends on many other factors such as atmospheric conditions. However, if one has two or more images of the same region, it is possible to compare their relative resolutions. In this paper, a wavelet-decomposition-based method for the determination of the relative resolution between two remotely sensed images of the same area is proposed. The method can be applied to panchromatic, multispectral, and mixed (one panchromatic and one multispectral) images. As an example, the method was applied to compute the relative resolution between SPOT-3, Landsat-5, and Landsat-7 panchromatic and multispectral images taken under similar as well as under very different conditions. On the other hand, if the true absolute resolution of one of the images of the pair is known, the resolution of the other can be computed. Thus, in the last part of this paper, a spatial calibrator that is designed and constructed to help compute the absolute resolution of a single remotely sensed image is described, and an example of its use is presented.     

静止轨道遥感卫星海面运动舰船快速检测方法

面向静止轨道光学遥感卫星,该文提出一种海上运动舰船目标快速检测方法。该方法首先利用多结构多尺度形态学滤波对海洋背景遥感图像进行背景抑制;然后采用自适应阈值分割和自组织聚类获得候选目标;再根据目标运动特征,利用静止轨道卫星凝视序列图像对候选目标进行多目标移动式邻域判决,剔除虚假目标;最后关联舰船目标以及融合卫星平台数据,可快速计算舰船状态等深层次动态信息。实验结果与分析表明,所提方法能有效检测海洋背景遥感图像中的多个运动舰船目标,准确获取各个舰船位置、航速、航向、运动轨迹等信息,具有算法简单,目标检测率高、虚警率低,稳定性好等优点。该方法为我国静止轨道光学遥感卫星在轨数据处理与应用提供了技术支撑。     

Massive-scale visual information retrieval towards city residential environment surveillance

Urban residential environment surveillance plays an important role in modern intelligent city. Satellite images have been applied in various fields, and the analysis and processing of satellite images has become an important means to obtain the information perceived by satellites. This paper focuses on city residential environment surveillance based on massive-scale visual information retrieval. Since the shortcomings of low contrast, blurred boundary, large amount of information and susceptibility to noise, the performance of satellite image segmentation is not satisfactory, which will affect residential environment surveillance. We design an improved rough set fuzzy C-means clustering algorithm combined with ant colony algorithm. More specifically, satellite images are classified based on the gradient of pixels according to the indistinguishable relation of the image combined with rough set theory. Then, the traditional fuzzy set-based fuzzy C-means clustering algorithm is applied to the satellite image segmentation technology. Subsequently, the improved algorithm-quantum ant colony algorithm and rough set fuzzy clustering C-means algorithm are combined to achieve accurate segmentation of satellite images. Afterwards, we propose a satellite image retrieval algorithm, which can assist city residential environment surveillance. Comprehensive experiment show that our proposed method is effective and robust in residential environment surveillance.     

融合改进FT显著性与Grabcut的图像目标分割算法

针对目前复杂度较大的图像中目标分割速度较慢、显著性边界分割不明确等问题,提出了一种融合改进的FT（Frequency-tuned）显著性检测与Grabcut的图像分割算法。该算法首先通过改进基于频率调谐的FT显著性检测方法得到图像中显著性较高的区域,并利用SLIC（Simple Linear Iterative Clustering）算法对显著图进行预处理得到超像素图,能够有效改善边界的分割效果,然后通过以图论GraphCut算法为基础改进的Grabcut算法建立高斯混合模型。为了提高算法效率,通过聚类以超像素代替原像素,并反复迭代高斯混合模型（Gaussian Mixed Model,GMM）参数,最后利用最大流最小割算法得到最优目标分割结果。实验结果表明所提算法能够更准确更高效率地分割图像中的显著性目标,对高分辨率图像也有很好的适用效果,相比于其他算法在分割精度上提高10%左右,并具有较高的分割效率。     

基于改进双边网络的SAR图像海陆分割方法

海陆分割是海岸线提取、近岸目标检测的一个基本步骤。传统的海陆分割算法分割准确度差,参数调节繁琐,难以满足实际应用要求。卷积神经网络能够高效地提取图像多个层次特征,广泛应用于图像分类任务,可作为海陆分割新的技术途径。其中双边网络(BiSeNet)能有效平衡分割精度和速度,在自然场景图像语义分割任务上取得了较好的表现。但对于SAR图像海陆分割任务,双边网络难以有效提取SAR图像的上下文语义信息和空间信息,分割效果较差。针对上述问题,该文根据SAR图像特点减少双边网络中空间路径的卷积层数,从而降低空间信息的损失,并选用ResNet18轻量化模型作为上下文路径骨干网络,减少过拟合现象并提供较广阔的特征感受野,同时提出边缘增强损失函数策略,提升模型分割性能。基于高分三号SAR图像数据的实验表明,所提方法可有效提升网络的预测精度和分割速率,其分割准确度和F₁分数分别达到了0.9889和0.9915,对尺寸大小为1024×1024的SAR图像切片处理速率为12.7 frames/s,均优于当前主流的分割网络框架。此外,所提网络的规模较BiSeNet减少50%以上,并小于轻量级的U-Net架构,同时网络有较强的泛化性能,具有较高的实际应用价值。      

基于多尺度轮廓增强的RGB-IR双波段图像语义分割算法北大核心CSCD

语义分割被广泛应用于机器人、医学成像和自动驾驶等领域,但当前语义分割主要针对可见光图像。可见光图像在光照不足或天气差的情况下成像效果较差,而红外图像受光照影响较小。因此,将可见光图像和红外图像联合使用可以有效提升模型的鲁棒性。本文针对可见光/红外(RGB-IR)双波段图像语义分割任务中目标轮廓预测不准确的问题,提出一种基于多尺度轮廓增强的双波段语义分割算法。首先,本文提出一种新的位置和通道注意力模块EEFM,基于该模块可以高效地对多个尺度的融合特征分别进行轮廓预测。其次,本文将多尺度的预测结果用于对轮廓特征进行由高分辨率至低分辨率的逐步增强。最后,本文还提出了一种新的位置和通道注意力模块SAC对融合图像特征进行增强,以最终获得更准确的分割结果。实验在一个公开RGB-IR数据集以及一个自建数据集上进行,本文所提出的模型使用较小的参数量在公开数据库上取得了57.2的分割精度,综合性能达到了最高水平。同时,消融实验也验证了所提出的各模块的有效性。     

基于生成式对抗网络的遥感图像半监督语义分割

高分辨率遥感图像的语义分割问题是目前遥感图像处理领域中的研究热点之一。传统的有监督分割方法需要大量的标记数据,而标记过程又较为困难和耗时。针对这一问题,提出一种基于生成式对抗网络的半监督高分辨率遥感图像语义分割方法,只需要少量样本标签即可得到较好的分割结果。该方法为分割网络添加全卷积形式的辅助对抗网络,以助于保持高分辨率遥感图像分割结果中的标签连续性;更进一步,提出一种新颖的能够进行注意力选择的对抗损失,以解决分割结果较好时判别器约束的分割网络更新过程中存在的难易样本不均衡问题。在ISPRS Vaihingen 2D语义标记挑战数据集上的实验结果表明,与现有其它语义分割方法相比,所提出方法能够较大幅度地提高遥感图像的语义分割精度。     

基于形态学和信息熵的红外目标检测算法

提出了多结构形态学滤波算法,对小目标图像进行背景抑制,接着引入信息熵进行分割,从缩小阈值搜索范围和推导递推关系式两方面给出快速分割算法。通过不同滤波算法进行背景抑制,并采用经典的阈值分割方法和基于信息熵的分割方法对形态学处理后的图像进行分割,对实验结果进行详细分析,表明本文多结构形态学滤波算法对图像的信噪比改善最明显,分割算法处理后的图像含噪声较少且目标分割完整,是一种有效、稳定的目标检测方法。     

基于形态学梯度的红外图像分割算法

提出了一种新的红外图像分割方法。该方法利用形态学方法来处理红外图像。首先进行形态学滤波,对红外目标图像中的噪声和微小的干扰区域进行滤除,接着提出了一种计算红外图像梯度的多尺度算法提取图像形态学梯度,而后分析了图像分形特征估计方法与形态学梯度的关系,提出了一种新的红外图像分形特征估计算法,在此基础上对图像进行分割。实验结果表明,该算法能较好地解决红外图像的分割问题。     

Novel multistage three-dimensional medical image segmentation: methodology and validation.

In this paper, we propose a novel multistage method for three-dimensional (3-D) segmentation of medical images and a new radial distance-based segmentation validation approach. For the 3-D segmentation method, we first employ a morphological recursive erosion operation to reduce the connectivity between the region of interest and its surrounding neighborhood; then we design a hybrid segmentation method to achieve an initial result. The hybrid approach integrates an improved fast marching method and a morphological reconstruction algorithm. Finally, a morphological recursive dilation is employed to recover any lost structure from the first stage of the multistage method. This approach is tested on 12 CT and 3 MRI images of the brain, heart, and kidney, to demonstrate the effectiveness and accuracy of this technique across a variety of imaging modalities and organ systems. In order to validate the multistage segmentation method, a novel radial distance-based validation method is proposed that uses a global accuracy (GA) measure. The GA is calculated based on local radial distance errors (LRDE), where LRDE are calculated on the radii emitted from points along the skeleton of the object rather than the centroid, in order to accommodate more complicated organ structures. The experimental results demonstrate that the proposed multistage segmentation method is fast and accurate, with comparable performance to existing segmentation methods, but with a significantly higher execution speed.