SAR图像人造目标检测研究

在合成孔径雷达(SAR)自动目标识别中,人造目标的检测至关重要。该文根据SAR图像的特点,对图像中的人造目标进行了检测。首先采用自适应小波滤波方法对图像进行滤波,在保留图像细节的前提下有效地去除了图像中的乘性噪声,使后续的检测变得相对容易。然后采用基于自适应遗传算法的C-划分二维模糊熵算法对图像进行分割。实验结果表明,该文方法能够有效地检测出图像中的人造目标。     

一种基于小波变换的雷达图像边缘提取方法

图像最基本的特征是边缘,边缘特征提取是多传感器信息融合与景象匹配中的重要内容.合成孔径雷达图像通常带有较强的相干斑噪声,用传统的边缘检测算法效果很不理想.本文针对合成孔径雷达自身的特点,利用小波变换的特性,提出一种将小波变换的多尺度分析与模糊加权中值滤波相结合的边缘特征提取方法.实验证明方法有效,边缘定位准确,并对噪声有抑制作用,将提取结果用于匹配,定位精度达到1个象素.     

一种新的高分辨率SAR图像相干斑噪声抑制算法

提出了一种新的基于小波变换对高分辨率合成孔径雷达图像相干斑噪声抑制的算法。首先从SAR图像相干斑噪声产生的机理出发，论述了通过传统的滤波方法在抑制高分辨率SAR图像的相干斑噪声时，损失了大量的边缘信息和纹理细节而采用小波变换降噪的优越性和必要性；其次论述了在小波域中如何利用高频局部的统计特性和分解尺度大小来选取滤波窗口尺寸进行滤波；最后通过实验结果说明了该方法比采用传统的固定窗来实现对高分辨率SAR图像的降噪、保留边缘信息和纹理细节有着更好的性能。     

一种混合噪声图像的自适应滤除方法

基于小波变换的阈值去噪方法仅适用于去除高斯白噪声,对于脉冲噪声得不到好的去噪效果,正交小波变换由于缺乏平移不变性,在去噪过程中会产生人为的振荡现象,使图像边缘失真,甚至图像模糊,提出了基于平稳小波域自适应阈值算法同中值滤波相结合的去噪方法,该方法能有效地滤除图像中的高斯白噪声和脉冲噪声组成的混合噪声,并验证了该方法的有效性。     

一种基于边沿检测的图像自动白平衡方法

提出了一种新的图像自动白平衡方法.首先,对图像进行直方图均衡化;然后对直方均衡化后的图像Y分量作边沿检测,在边沿包含的所有区域中选择Cb和Cr分量均值小且Y分量均值较大的区域作为参考白点区域;最后,以参考白点区域计算图像R、G和B的修正系数.使用System C对该算法进行模拟验证的结果表明,由于参考白点较准确确定,对较高色温和较低色温光源照射造成颜色偏移的图像自动白平衡较其他算法有明显改进.     

一种新的SAR图像的相干斑滤波方法

该文分析了合成孔径雷达(SAR)图像中的相干斑(Speckle)的统计特性,基于小波变换(WT),提出了一种新的相干斑滤波方法,该方法将小波变换后的HH分量采用Lee滤波,对HG,GH和GG分量则利用恒虚警技术(CFAR),保留重要的目标和边缘,再将这四个分量进行重构。实验结果表明,该方法具有相当良好的相干斑抑制性能,等效视数得以大幅度提高,并且能很好地保持原图像的边沿特征,其性能明显优于通常采用的Lee算法。     

一种基于小波变换的SAR图像船舰检测的新算法

根据小波变换和Teager能量算子(TEO)的局部特性,该文提出一种基于SAR图像的船舰检测算法.该算法对SAR图像进行小波变换,计算小波系数的Teager能量.根据小波域的Teager能量对船舰信号的增强特性,使用双参数CFAR检测SAR图像船舰.仿真结果表明,新算法与传统的双参数CFAR检测算法和基于K-分布的单元平均检测算法相比,在船舰检测数和虚警数性能指标上均优于传统检测算法.     

基于反对称二进小波的SAR图像海洋表面油膜检测方法

海洋表面油膜检测是合成孔径雷达(SAR)很重要的应用领域之一。小波方法是近年来研究较多的图像边缘检测方法。通常的SAR图像油膜检测采用高斯函数一阶导和二阶导作为小波基函数,运算速度慢;该文采用反对称二进小波,利用小波变换多分辨率分析(MRA)思想,经多尺度综合得到油膜边缘图像。实验证明这是一种有效、有前途的SAR图像海洋表面油膜检测方法。     

SAR图像滤波的迭代方法

对合成孔径雷达图像迭代滤波处理的效果及其问题进行了分析，并结合统计滤波方法和小波分析方法，提出了一种基于细节补偿的MAP（BDC MAP）迭代滤波算法。实验结果表明，新的迭代滤波算法较好地解决了去噪和细节保留之间的矛盾，而且算法稳定，收敛很好。     

一种新的自适应小波阈值SAR图像滤波算法

为有效降低乘性斑点噪声对合成孔径雷达（SAR）图像的影响,提出了一种新的基于小波系数广义高斯分布（GGD）模型的自适应阈值估计去噪算法。首先分析了经对数变换的SAR图像小波系数的统计分布特性,然后提出了子带自适应阈值估计方法,通过对数变换,将该算法应用于含斑点噪声的SAR图像去噪。仿真图像和真实SAR图像的实验结果表明,该算法同目前流行的其他阈值算法相比,运算复杂度低,算法高效,并且在保留原始图像重要细节特征和图像后向散射特性的同时,显著地减少相干斑噪声。     

利用小波分析来抑制合成孔径雷达图象的相干斑噪声

本文利用小波变换来对合成孔径雷达图象做多分辨率分析,说明了相干斑噪声对图象的不同频率成份的影响程度是不同的,同时也说明了相干斑噪声与图象在小波变换下具有截然不同的奇异性.因此,本文提出了用小波分析来抑制相干斑噪声。实验证明了:小波分析除了能够对相干斑具有很好的抑制效果外,还保留了尽可能多的原图象的目标特征。利用小波分析来抑制相干斑噪声是一个十分吸引人的新方法。     

MAXIMUM A POSTERIORI-BASED AUTOMATIC TARGET DETECTION IN SAR IMAGES

The paper presents an algorithm of automatic target detection in Synthetic Aperture Radar（SAR） images based on Maximum A Posteriori（MAP）. The algorithm is divided into three steps. First, it employs Gaussian mixture distribution to approximate and estimate multi-modal histogram of SAR image. Then, based on the principle of MAP, when a priori probability is both unknown and learned respectively, the sample pixels are classified into different classes c = （target, shadow, background）. Last, it compares the results of two different target detections. Simulation results preferably indicate that the presented algorithm is fast and robust, with the learned a priori probability, an approach to target detection is reliable and promising.     

SAR图像弱反射地物边缘提取方法

提出了一种抑制SAR图像相干斑噪声和提取弱反射地物边缘方法。传统噪声抑制和小波变换去噪方法有其不足之处,本文将小波变换和维纳滤波结合抑制SAR图像相干斑噪声,通过选择恰当小波基获得良好滤波效果。采用最小错误准则计算SAR图像的理论分割阈值,通过逐次迭代得到其合理大小,利用形态算子作用于分割图像获得其边缘。实际SAR图像测试结果表明了本文方法的有效性。     

基于小波包变换的SAR原始数据压缩

该文介绍了小波包变换和网格编码量化的优点,结合合成孔径雷达(SAR)原始数据的特点,提出了基于小波包变换和网格编码量化的SAR原始数据压缩算法。利用模拟和实际数据分析了该压缩算法的性能,通过与其他原始数据压缩算法的比较说明了这一方法的有效性。     

基于小波的SAR原始数据幅相压缩算法

根据SAR原始数据幅值和相位统计独立的分布特点,该文在分析了SAR原始数据幅值的小波域系数特性后,研究了对SAR原始数据的幅值和相位分别进行量化的基于小波变换的幅相压缩算法。文中采用此算法对实际合成孔径雷达数据进行了压缩,结果表明,与传统的BAQ算法相比,该算法在很好保持数据的相位信息的同时,压缩效果有了明显的改善。     

多尺度边缘检测中的有效尺度研究

在边缘检测中,检测不同类型的边缘需要的滤波尺度各不相同.本文详细讨论了以紧支、对称平滑函数构造的滤波函数在检测不同类型边缘时的有效尺度,同时分析了高斯平滑函数及三次B样条平滑函数在抑制噪声时的有效尺度范围.该文的结论为多尺度边缘检测中滤波尺度的调整提供了重要的理论依据.