SAR图像MAP降噪的精细研究

本文推导出基于最大后验概率(MAP)滤波的一般形式,给出不同噪声分布和真实图像先验分布条件下的MAP滤波方程.从滤波方程在特定区间上解的分布情况以及区域统计特性分类两方面分析了MAP降噪性能,由此给出了MAP滤波的阈值表达形式.最后给出合成孔径雷达(SAR)图像的MAP降噪试验以及噪声滤除能力的量化指标.为了消除噪声强度对试验结果的影响,全面反映MAP降噪性能,本文给出了降噪能力随噪声大小的动态变化关系.结果表明,真实图像的先验分布对MAP滤波性能有着直接的影响,不合理的先验分布假定会严重降低MAP滤波的降噪能力.     

基于Log-Gabor滤波器的SAR图像变化检测研究

合成孔径雷达(SAR)图像具有良好的操作性能和较高的分辨率.针对多时相SAR图像,提出了一种多尺度多方向的图像变化检测方法.通过斑点抑制各向异性扩散滤波(SRAD)和离散小波变换(DWT)对SAR图像进行预处理,利用Log-Gabor(LG)滤波器组对处理后的无斑点图像进行多尺度多方向设计,将多个方向的最大幅值相加得到基于特征的尺度表示.通过设计最小重叠的传输函数来扩大覆盖广泛的滤波器带宽,对每个尺度进行多方向处理得到差分图像系数,将各尺度的差分系数序列相加进而计算差分图像.最后,利用真实的武汉市SAR图像数据集验证了该方法的性能.     

SAR图像斑点噪声的滤波方法研究

针对SAR图像的斑点噪声,分析斑点噪声的模型,给出一种改进的加权中值滤波和增强Lee滤波相结合的去噪方法流程,并用VC++实现这一方法流程。通过实例验证表明该方法流程能有效去除SAR图像中的斑点噪声和保持图像边缘信息。     

一种基于带雾模糊图像的退化模型

大雾天气条件下获取图像时,由于大气的吸收和散射以及在成像过程中系统发生振颤等,会得到退化的带雾模糊图像。而目前存在双重退化因素图像的研究比较缺乏,因此提出了一种新的用于描述带雾模糊图像的退化过程的数学模型。该模型在传统的大气散射模型和模糊退化模型的基础上,以带雾模糊图像的实际生成过程作为依据进行推导,可以描述双重退化因素导致的图像退化过程。使用该模型可以复原序列带雾模糊图像,实验结果表明复原效果良好。     

基于双树复小波变换的相位保持SAR图像降噪

为更有效地抑制噪声,提出了一种基于非正交复值log-Gabor小波变换的SAR图像斑点噪声消除算法。该算法通过相位保持消噪的门限操作确保相位信息不受破坏。由于用单一的乘性模型或加性模型消除SAR图像的斑点噪声都不能取得很好的效果,为此使用具有平移不变性及更多方向选择性的双树复小波变换图像融合算法,通过选择适当的融合规则,使乘性和加性噪声模型优势互补,就能有效抑制斑点噪声。实验结果显示,这种消噪方法与其他方法相比,有明显优势。     

SAR图像斑点噪声抑制与滤除技术

论述了不同时期各种合成孔径雷达(SAR)图像斑点噪声(speckle)抑制与滤除技术,并且对各种斑点噪声(speckle)抑制与滤除算法的特点进行分析。比较了不同算法的优缺点,提出利用多尺度分析小波分析发展滤除斑点噪声新算法,提高SAR的灰度分辨率和空间分辨率,是很有意义的方向之一。     

基于边缘检测的SAR图像快速滤波

对SAR图像的滤波方法进行了研究,在研究SAR图像经典滤波方法的基础上,研究了一种在边缘保持、滤波效果及滤波速度上综合效果最佳的滤波方法。首先使用一种边缘检测算子检测边缘方向,然后在边缘区沿边缘方向进行滤波,在非边缘区域使用统计局域方差系数方法滤波,最后以实验证明了这种方法是有效的。     

湍流退化图像并行校正方法

文章对湍流退化图像的双重循环迭代图像复原算法的计算流程进行了分析,将算法的串行计算模式转换为并行模式,提出了基于并行模式的多结点并行处理方法。成功地实现算法的并行计算模式到多结点结构的有效映射,对算法的程序代码进行了有效移植,在多结点系统上运行通过。实验结果表明,不仅提出的并行校正方法有效,而且提高了图像复原处理帧频数。     

基于提升Directionlet域高斯混合尺度模型SAR图像噪声抑制

提出了一种新的SAR图像相干斑噪声抑制方法.该方法将高斯混合尺度(GSM)模型引入Directionlet变换域,构造了基于提升Directionlet分解系数的邻域模型,并利用Bayes最小均方估计进行局部去噪.作为一种新的多尺度几何分析工具,Directionlets通过多方向选择来捕捉图像中各向异性特征,滤波器结构为可分离设计;采用提升方案进一步减小变换的运算量.文中对相邻位置和尺度的系数建立GSM模型,能较好地描述系数的边缘分布,充分体现邻域间系数的相关性.对大量真实SAR图像的去噪实验表明,文中方法取得了比空域滤波及小波方法更优的去噪性能,同时在图像边缘等细节特征保持方面具有明显优势.     

基于贝叶斯估计的改进Contourlet变换的SAR图像滤波

针对小波变换和轮廓波变换在合成孔径雷达(Synthetic aperture radar, SAR)图像中去噪应用的不足,结合小波变换和轮廓波变换的优点,将小波变换与轮廓波变换相结合,提出一种改进轮廓波变换方法。首先将待处理图像进行小波变换,然后对低频子带图像进行重建,得到一个细节子带图像,然后使用方向滤波器组对其进行多方向划分。再采用贝叶斯最大后验概率估计对划分后的方向子带信号进行估计。实验结果表明此方法在抑制图像斑点噪声的同时,很好的保持了均匀区域的辐射特性,保持了图像中的边缘以及细小纹理,且没有人为畸变。此外算法的高频子带图像含有更为丰富的纹理,对于边缘特征的提取非常有益。     

基于全局极小解Chan-Vese模型的SAR图像分割

活动轮廓模型是近年来最成功的分割模型之一。但由于SAR图像存在较强的斑点噪声,使用传统的Chan-Vese模型水平集分割方法会产生很多误分割。因此,需要对传统Chan-Vese模型进行改进,将非凸的Chan-Vese模型转换为凸优化问题,得到Chan-Vese模型的全局极小解。对凸优化Chan-Vese模型引入边缘检测算子,得到基于边缘和区域信息的全局极小解Chan-Vese模型。在水平集演化迭代过程中,引入一个新的迭代终止条件,可以敏感地判断演化曲线的变化幅度,根据设定条件,自动的停止迭代计算。针对合成图像和真实SAR图像进行分割实验,实验结果表明,提出的改进Chan-Vese模型能够快速、准确地提出图像中感兴趣目标,并具有较强的抗噪性。     

基于多尺度随机模型的SAR图像无监督分割

合成孔径雷达（synthetic aperture radar,SAR）是一种基于相干原理的成像系统,在SAR图像中存在严重影响图像质量的斑点噪声,使得SAR图像的可靠分割非常困难。〖BP）〗根据SAR图像的成像机理,利用两种多尺度随机模型,即多尺度自回归（Multiscale Autoregressive,MAR）模型和多尺度自回归滑动平均（Multiscale Aautoregressive Moving Average, MARMA）模型,分别来描述同一场景不同分辨率SAR图像像素间的统计相关性,并构造了相应的多分辨混合算法实现SAR图像的无监督分割。试验结果表明,提出的两种无监督分割方法是可行的,且MARMA模型比MAR模型能够更精确地捕捉SAR图像多尺度序列中不同类型地形的统计信息,使分割质量具有明显的改进。     

基于MRF模型的NSCT域SAR图像分割

针对复杂背景下的合成孔径雷达（SAR）图像的分割问题,提出一种基于非降采样Contourlet变换（NSCT）域马尔可夫（MRF）模型的算法。该算法综合利用了MRF模型在影像分割中的优势和图像的多分辨率描述的信息,采用高斯混合模型建模各个尺度的特征场,Potts模型建模各个尺度的标记场,大尺度的分割结果直接投影到小尺度上,作为分割的初始结果。实验部分与经典的阈值分割算法和马尔可夫分割算法进行比较、分析,结果表明该算法可准确地分割目标,同时保留目标的细节信息。     

SAR图像目标识别的卷积神经网模型

目的 合成孔径雷达图像目标识别可以有效提高合成孔径雷达数据的利用效率。针对合成孔径雷达图像目标识别滤波处理耗时长、识别精度不高的问题,本文提出一种卷积神经网络模型应用于合成孔径雷达图像目标识别。方法 首先,针对合成孔径雷达图像特点设计特征提取部分的网络结构;其次,代价函数中引入L2范数提高模型的抗噪性能和泛化性;再次,全连接层使用Dropout减小网络的运算量并提高泛化性;最后研究了滤波对于网络模型的收敛速度和准确率的影响。结果 实验使用美国运动和静止目标获取与识别数据库,10类目标识别的实验结果表明改进后的卷积神经网络整体识别率（包含变体）由93.76%提升至98.10%。通过设置4组对比实验说明网络结构的改进和优化的有效性。卷积神经网络噪声抑制实验验证了卷积神经网络的特征提取过程对于SAR图像相干斑噪声有抑制作用,可以省去耗时的滤波处理。结论 本文提出的卷积神经网络模型提高了网络的准确率、泛化性,无需耗时的滤波处理,是一种合成孔径雷达图像目标识别的有效方法。     

改进的低质量指纹图像分割算法

低质量指纹图像处理一直是自动指纹识别技术的研究重点,对低质量指纹图像的分割是图像增强、细化和特征提取的重要前提。在分析传统方法局限性的基础上,从指纹图像的灰度分布规律出发,提出了基于点方向图和灰度均衡的指纹图像分割算法。实验结果表明,相比于已有的指纹图像分割算法,该算法的分割效果更好,具有很强的噪声抑制能力。     

Research on SAR image change detection algorithm based on hybrid genetic FCM and image registration

Multimedia Tools and Applications - At present, image change detection technology as an important image processing technology has been widely used, and a novel synthetic aperture radar (SAR) image...     

基于高亮模型匹配的SAR建筑物高度反演方法

针对高分辨率SAR图像中的建筑物高度提取问题,提出了一种基于高亮模型匹配的建筑物高度反演方法。通过对建筑物的成像特征进行分析构建出高亮特征模型,建立模型与SAR图像之间的匹配度函数,运用多种群遗传算法对匹配度函数进行优化搜索出最优的高度参数。基于模拟和实测SAR图像的实验结果表明该算法可以用于SAR图像建筑物高度反演,并具有较高的反演精度。     

基于雾天图像降质模型的优化去雾方法

目的 图像去雾是计算机视觉的重要研究方向,既获得高质量的去雾图像,又保证较低的时间复杂度一直是图像去雾面临的挑战,为此提出了一种基于雾天图像降质模型的优化去雾方法。方法 根据雾天图像降质模型,暗原色作为先验知识,对模型的两个物理量大气光值和透射率进行优化。传统优化算法中通常都是固定其一,优化另一个物理量,与传统方法不同,考虑到大气光和透射率的相关性,采用多元优化策略,将这两个物理量作为互相影响的整体,利用迭代算法进行优化。为保持去雾图像颜色真实、自然,基于对无雾图像的统计特性,多阈值融合的约束条件作为迭代停止的条件,控制优化去雾程度,复原高质量去雾图像。结果 本文方法与其他去雾方法相比,在视觉效果上,图像结构更加清晰,细节更加丰富,色彩更加真实。在客观数据方面,本文方法获得图像的彩色直方图与有雾图像的彩色直方图在形状上更相似,同时在Cones、Herzeliya、House、Dolls对比图像中,本文方法结果图像的信息熵值都比较高,分别为13.801 270、15.490 912、15.395 014、16.276 838,且时间复杂度较He方法（使用软抠图算法优化透射率）降低了3~5倍。结论 本文去雾方法利用迭代算法对大气光和透射率进行多元优化,同时采用多阈值融合约束条件控制优化去雾程度。本文方法在色彩保真度、细节恢复等方面都优于经典算法,同时获得了较好的客观评价数据。实验结果表明,本文方法能够达到主客观都满意的效果。     

Pointwise SAR image change detection based on stereograph model with multiple-span neighbourhood information

In this article, a novel pointwise approach is proposed for change detection in bi-temporal synthetic aperture radar (SAR) images using stereograph model. Due to the fact that SAR image suffers from the speckle noise, a pointwise approach based on a set of characteristic points only, not on the whole pixels, seems to be more efficient. Moreover, the correlations of neighbourhood points which have different locations in bi-temporal SAR images should be studied to repress the speckle in change detection. Therefore, the stereograph model, which extends the graph model to three-dimensional space, is designed to connect the local maximum pixels on bi-temporal SAR images and can be used to capture the multiple-span neighbourhood information from the edges. Furthermore, a specialized change measure function is presented to quantify the neighbourhood information from stereograph model, and thus, a novel nondense difference image (NDI) is generated. Finally, a traditional classification method is used to analyse the NDI into changed class and unchanged class. Experiments on real SAR images show that the proposed NDI can improve separability between changed and unchanged areas, and the final results possess high accuracy and strong noise immunity for change detection tasks with noise-contaminated SAR images.     

基于多尺度支持度匹配SAR图像与光学图像

异源图像匹配是视觉导航、多源图像融合分析的关键步骤之一,常用的匹配方法是分别从两幅图像中提取特征,再对特征进行匹配。但是对于成像机理差别较大的异源图像,如SAR图像和可见光图像,很难提取到同名特征。提出一种基于多尺度支持度的异源图像匹配方法,只需要从一幅图像中提取多尺度边缘特征,在变换空间中寻找另一幅图像对该特征的最大支持度。支持度的计算采用了标准化梯度强度和的形式。采用遗传算法对支持度函数解空间进行全局寻优来获取最优匹配点。实验结果表明,该方法能有效实现SAR图像和可见光图像的匹配,处理时间能够满足工程要求。