无人机打击效果评估系统研究

这里研究了基于图像理解的无人机打击效果评估方法。重点阐述了轮廓提取技术、模板匹配技术和高层评估系统。该算法通过对打击前后图像进行变化检测,比较无人机打击前后的几何特征,参照不同部位不同的打击效果权重,对目标毁伤情况进行自动评估。实验表明,该算法提高了系统评估的精度,使评估结果更加准确。由于该算法具有通用性,该系统可以用于各类不同目标的打击效果评估。     

高分辨率光学图像目标打击效果评估系统研究

针对传统的基于像素级变化检测的打击效果评估系统的不足,提出了基于变化目标特征向量分析的打击效果评估系统.该系统首先在图像上识别出目标,然后分别在打击前后图像上提取目标特征向量,并对目标特征向量进行分析比较,根据目标特征向量的变化对目标损伤程度进行评估.试验证明该方法有效可行.     

一种基于SAR图像变化检测的军用港口毁伤效果快速评估算法

针对军用港口SAR图像的特点,提出了一种基于二维模糊熵的SAR图像自适应变化检测算法.建立了反映军用港口的码头、公路、油库、指挥设施等地面目标特性和军事功能变化的毁伤效果评价指标和快速评估算法,并通过仿真实验检证了此方法的有效性.     

基于视觉特征的SAR图像评估方法

为了验证不同算法、模型、软件得到的仿真SAR图像的可靠性,文中提出一种基于专家视觉的SAR图像评估方法,从原始图像中提取视觉关注的目标亮度、轮廓和散射中心分布特征,利用极化映射积分得到差异度量指标,设计合成函数结合三种指标,获得可以准确反映SAR图像差异水平的评估结果。实例验证表明,该方法的性能明显优于现有方法,与专家视觉结果之间的平均误差仅为4.32％两种结果曲线的相似性高达99.78％。     

基于模糊推理的SAR干扰效果评估

对SAR干扰效果的评估是目前的一个研究热点。在依据SAR图像受干扰情况评估SAR干扰效果的过程中,人的主观因素占主导地位。对于这种不确定性的评判,该文介绍了一种基于模糊推理的SAR干扰效果评估方法。首先,建立了SAR干扰效果评估指标;接着,借助相关领域专家的经验知识和推理规则,采用定性与定量相结合的方法,建立了模糊推理数学模型;最后,利用所建立的指标和模型进行干扰效果综合评判,得到了合理的、令人满意的结果。     

基于DSP实现的实时打击效果评估

打击效果评估是现代战争中的一个重要环节,对下一步作战行动有着至关重要的影响。针对机载/弹载环境,考虑实时处理需要,并结合DSP特点,提出一种针对几类特定地面军事目标的自动实时毁伤评估方法。最后,基于多DSP硬件开发平台设计并实现了实时打击效果评估演示系统,通过实验和测试表明,该方法可行有效,满足实时性要求,能自动快速地对打击目标的毁伤效果进行准确有效的分级评估。     

基于灰度共生矩阵的SAR图像压制式干扰评估

压制式干扰效果评估一直是SAR对抗评估中的难点,大多数评估方法是从灰度值本身的变化来评估干扰的好坏,并没有从SAR图像具有的纹理特征角度分析干扰效果。针对此问题,提出了一种基于灰度共生矩阵的SAR图像评估方法,加入射频噪声干扰,利用灰度共生矩阵得到的纹理特征的不匹配度来评估压制式干扰效果。仿真实例表明了方法能够定量地描述压制式干扰的效果。     

基于SEEMD的高分辨率SAR图像目标特征提取方法

针对高分辨率合成孔径雷达(SAR)图像,本文提出了一种基于分离集合平均经验模态分解(SEEMD)的目标散射特征提取方法.首先在图像二维波数域进行SEEMD分解获得每个目标的散射函数,然后估计目标散射特征参数,通过该参数可以区分目标所属的散射类型.最后,仿真实验和实测数据的处理验证了方法的有效性.     

基于分形特征的高分辨率SAR图像分类

通过大量的实验，研究了3种分形特征提取算法在高分辨率SAR图像分类中的适应情况和彼此的差异性。对分形特征提取的图像量化等级、窗口大小、点对数的确定以及坏值剔除数量进行了深入的研究。在此基础上，总结了适合高分辨率SAR图像地物分类的分形特征提取的一般规律。最后，提出了利用分形特征的统计量作为特征向量，运用模糊C均值算法对图像进行分类，并取得了很好的效果。     

单幅高分辨率SAR图像建筑物三维模型重构

提出了一种利用高分辨率SAR图像进行建筑物提取和三维重构的方法.首先,分析了高分辨率SAR图像建筑物产生的电磁散射的类型,给出了不同类型散射区域的后向散射计算方法,并在此基础上给出了一种利用建筑物三维CAD模型进行SAR建筑物特征区域图像仿真的方法;其次,给出了利用建筑物的二次散射结构确定建筑物底部轮廓位置和方向的方法,并提出了一种基于分布密度函数差异的仿真图像迭代匹配方法,进行建筑物高度的反演.仿真SAR图像后向散射系数用来划分建筑物不同的散射区域,通过计算特征区域之间的分布密度函数差异,以取得最大匹配度值的仿真图像对应的检验高度作为建筑物的反演高度;最后,选用了两幅不同屋顶类型的实际机载高分辨率SAR图像进行建筑物提取和三维重构实验,试验结果较为理想,验证了所提方法的可行性和有效性.     

基于改进Markov随机场的高分辨率SAR图像建筑物分割算法

提出了一种基于改进Markov随机场模型的高分辨率SAR(Synthetic Aperture Radar,合成孔径雷达)图像建筑物分割算法.针对高分辨率SAR图像信噪比低和建筑物复杂纹理特性的特点,采用多尺度Markov随机场模型的最大似然准则方法获取图像的初始分割,并在传统Markov邻域能量模型基础之上提出一种新的基于Gabor纹理相似度的邻域势函数模型,采用ICM(Iterative Conditional Model,迭代条件模型)算法进行建筑物分割.多组实际高分辨率SAR图像的实验结果表明,与传统MRF算法等方法相比,本文方法具有更高的分割正确率,同时建筑物边界更为清晰平滑,分割效果较好.     

基于K-S检测的SAR图像灰度压缩性能评估

根据灰度压缩前后图像直方图间的形态差异,提出一种衡量各种合成孔径雷达(SAR)图像灰度级压缩算法性能的两步检验方法。首先,基于柯尔莫哥洛夫-斯米尔诺夫(K-S)检测原理,在给定置信界限下,选出压缩后图像分布与原始分布满足一致性的算法。其次提出等效均值偏量、等效方差偏量、等效偏态差三个检验指标,对经第一步选择出的方法做进一步定量评价,从而得到最终的算法性能检验结果。计算机仿真表明,该方法能有效衡量压缩前后图像灰度分布函数间的形态差异。     

基于图像区域分割的SAR 图像去噪算法

给出了一种结合图像分割的合成孔径雷达(SAR)图像去噪算法,利用水平集图像分割方法将SAR 图像分割得到多个连通区域,并利用基于结构相似性指数的非局部均值滤波(NLM鄄SSIM)去噪算法对每个连通区域进行去噪。对每个连通域分别去噪利于维持连通区域边缘的原有数值特征,同时也能够保证图像平滑区域的滤波效果,提高了去噪算法的性能。实验部分使用了合成孔径雷达图像中的道路、农田、沟壑和建筑图像块进行测试,将本文算法与非局部均值滤波(NLM)和NLM鄄SSIM 算法进行了去噪效果比较,并通过等效视数(ENL)和边缘平均梯度比(EGR)评价指标验证了文中算法的有效性。     

基于图像信息损失率的合成孔径雷达干扰效果评估指标

本文给出了有、无干扰时合成孔径雷达图像的统计模型以及图像间的统计关联,对合成孔径雷达图像的信息量以及干扰造成的图像信息损失进行了定量分析,从而建立了基于图像信息损失率的干扰效果指标,为合成孔径雷达干扰效果的综合定量描述提供了基础.     

基于几何模型的SAR图像斑点噪声的抑制

斑点噪声的抑制一直是合成孔径雷达(SAR)图像处理的重要研究课题。本文利用几何模型对合成孔径雷达图像进行滤波。通过对几何模型除噪性能进行分析,提出了一个数值计算的改进格式。新的迭代格式能较好地保留图像的边缘、尖点和细节信息。最后对合成孔径雷达图像进行去噪实验,与小波阈值除噪、Lee滤波进行比较具有更好的滤波效果。     

基于自适应窗口的SAR图像相干斑抑制

研究了一种新颖的斑点噪声抑制自适应窗口算法，解决了局域统计自适应滤波器的窗口大小问题。在这种算法中，窗口大小根据区域特征自动调整，在保持细节的同时尽最大可能地抑制斑点噪声。在均匀区域，随着窗口大小的增大，斑点噪声抑制变得更强；在细节区域，不断减小窗口大小，从而保持了边缘和纹理。通过应用于实测SAR图像，该自适应算法与固定窗口滤波方案相比有良好的性能。     

基于2D-PWVD的SAR图像相干斑噪声抑制

合成孔径雷达(SAR)图像相干斑噪声是影响对SAR图像正确解译的主要因素之一,在二维魏格纳分布的框架内,提出了一种基于二维伪魏格纳威尔分布变换的SAR图像噪声抑制的方法。首先,根据魏格纳威尔分布的理论,阐述了图像的二维伪魏格纳威分布表示,以及分解后的多频段图谱的特性;然后,针对该特性,提出对应的计算处理方法,并将分解图像相加,形成SAR图像噪声抑制后图像;最后,利用MiniSAR实测SAR图像数据进行验证试验,并将结果与均值滤波、LEE滤波和小波软阈值滤波SAR图像噪声抑制算法进行对比分析,结果显示,文中所提算法是有效可行的。     

基于混合双隐层径向基函数网络的高分辨率SAR图像地物分类算法研究

本文在高分辨率条件下对传统的合成孔径雷达(SAR)图像自动地物分类技术进行了扩展研究.文章首先指出了经典的前馈神经网络模型在SAR图像地物分类中的不足,然后基于径向基神经网络(RBFN),结合混合专家系统,提出了一种变型的网络结构模型,称之为混合双隐层径向基函数网络(MDHRBFN),并将其应用于高分辨率单视单极化的SAR图像地物分类.实验结果表明,基于该模型的分类算法能够将SAR图像较好地区分为人造目标类、自然目标类、背景和阴影,具有比经典RBFN模型更好的分类效果,不但可以应用于SAR图像辅助判读,而且能够为目标识别过程提供潜在目标切片.     

基于视觉加权处理的SAR干扰效果评估

传统SAR图像质量评价指标没有考虑像素点间的相关性和人眼视觉系统感知特性,导致主客观不一致的现象时有发生.鉴于此,提出了一种新的评估方法.该方法将对比度敏感度作为主客观评价的链接纽带,利用小波变换与人类视觉系统多通道特性相匹配的特点,对目标图像进行多级小波分解,由分解后的各小波分量提取各频段相应的传统评估指标,然后将其与各频段加权系数进行非线性合并,并以此作为综合评价的度量指标.仿真实验结果表明,新方法较之传统评估手段明显更具优势,不仅能够反映出干扰对图像细节的影响,而且能够与人类视觉系统保持高度一致,提升了整套评估系统的效率和准确率.