一种基于封闭均匀区域的SAR图像配准方法

为克服图像间灰度差异、旋转差异和尺度差异对SAR图像配准精度的影响,该文利用均匀区域在SAR图像中的灰度统计特性,提出一种基于稳定封闭均匀区域的SAR图像配准算法。首先基于多尺度非线性扩散理论,提取得到轮廓保持性较好的封闭均匀区域;然后构建具有仿射不变性的区域特征,采取基于多边形拟合的区域粗匹配方法和基于重合度的区域精匹配方法,实现由粗至精的区域匹配;最后用匹配区域的质心点构建图像变换模型。实验结果表明,该算法配准精度高,能有效克服待配准图像之间的灰度差异、旋转差异和尺度差异,对噪声具有较好的适应性。     

基于级联变换的光学和SAR图像配准算法

针对光学和SAR(Synthetic Aperture Radar)图像配准中存在明显辐射和几何差异的问题,提出了一种基于级联变换的多源遥感图像配准方法.首先,利用灰度变换提取光学和SAR图像间的稳定结构特征,去除辐射差异性;然后,提出一种新的加权对数极坐标变换算法,解决图像间全局几何差异性,保证算法的尺度和旋转不变性,并初步得到整体的平移量;最后,通过局部几何变换,得到一系列的匹配点对,构建薄板样条模型,实现图像的精确配准.实验验证了算法去除辐射差异性和获得全局几何变换参数的能力,与传统的多源图像配准算法相比,基于级联变换的配准算法鲁棒性好,配准精度高.     

基于自组织网络的SAR遥感图像的多尺度分割

基于多尺度信息特征和混合模型,将自组织混合网络(SOMN)应用于合成孔径雷达(SAR)图像的分割.首先对SAR图像的多尺度序列进行多尺度随机建模,以此进行多尺度特征提取;然后对其建立混合模型,并经过SOMN进行学习研究得到混合模型的参数;最后再利用Bayesian分类器,对SAR图像进行分割.实验结果表明,本文方法能够充分地利用SAR图像多尺度序列中不同类型地形的统计信息,进而明显地改进了图像的分割质量.     

基于尺度预估的SAR图像相位相关配准算法

高精度的图像配准是SAR图像融合的前提条件之一.针对相位相关匹配方法用于强相干斑噪声的多波段、多极化SAR图像匹配时存在的缺点,提出了一种基于尺度预估的SAR图像相位相关配准算法.首先,利用图像问的中心频谱值之比实现尺度预估计;然后,在相位相关过程中,针对强噪声图像的互功率谱的逆傅里叶变换图存在多峰的情况,通过脉冲值的局部搜索得到最佳的匹配参数;最后,校正待配准图像,达到精确配准.实验结果表明,文中算法对于多波段、多极化SAR图像具有良好的匹配效果.     

基于粗数字高程模型信息的干涉相位图生成方法

该文提出了一种基于粗数字高程模型(DEM)信息的干涉相位图生成方法,其思路为充分利用已有的DEM信息来完成SAR图像配准-干涉相位滤波处理。此方法首先根据粗DEM信息和系统参数计算得到SAR图像中每一像素的2维配准偏移量,从而完成SAR图像的配准。在干涉相位滤波中,由粗DEM信息仿真生成已知地形的干涉条纹图用以补偿InSAR系统录取得到的干涉相位,再对残余相位进行滤波处理,提高干涉相位滤波的性能。另外,对于高分辨率SAR图像,粗DEM高程误差和系统参数误差会引入较大的图像配准误差,该文再利用联合像素子空间投影方法进一步完成SAR图像的精确配准和相位滤波。仿真结果验证了该文方法的有效性。     

多尺度SVR的SAR图像复原

针对合成孔径雷达图像中存在斑点噪声的缺陷,将支持向量拟合方法引入小波系数收缩策略中,提出了基于多尺度SVR(support vector regression)的SAR图像复原算法。该方法在不同尺度下选用不同的核参数。为保护边缘结构信息,首先对各小波高频子带进行SVM拟合,然后计算原始小波系数与拟合估计值的绝对差,并定义小波系数收缩准则,根据准则对小波系数进行收缩,使复原的图像能较好的保持原有图像的纹理和结构信息。实验采用真实的SAR图像,实验结果显示该方法优于常规小波滤波和Lee滤波方法。     

基于互信息和多智能体优化的合成孔径雷达图像配准

提出了一种基于互信息的多智能体优化方法,并将其用于合成孔径雷达(Synthetic Aperture Radar,SAR)图像的配准.采用归一化互信息作为度量准则,直接利用图像的灰度数据进行配准,没有假设图像间灰度值的线性关系,不需要对图像做分割、特征提取等预处理,并利用多智能体优化算法寻找最佳匹配参数,以得到最优的配准结果.实验表明,该算法在SAR图像配准方面有更好的普适性和更高的配准精度.     

一种基于复小波域的SAR图像相干斑抑制算法

相干斑噪声是SAR图像的固有特性.对相干斑噪声的抑制应在滤除噪声的同时尽量保留原图像的细节信息.本文针对SAR图像相干斑噪声的统计特性,将高斯混合尺度模型(GSM)引入二元树复小波(DTCWT)变换域,构造基于复小波域分解系数的邻域模型,将其相邻尺度邻域视为高斯变量和一个尺度因子的乘积,并利用Bayes最小均方估计进行局部去噪.对仿真图像和真实SAR图像的实验表明,本文方法有效去除斑点噪声,且较好的保持了图像边缘等细节信息.与传统的空域滤波和小波等方法相比,该方法改善了噪声平滑和边缘保持等性能,并取得了满意的视觉效果.     

基于多尺度自回归图模型的SAR图像稳健滤波

基于多尺度自回归(MAR)图模型的稳健递归M估计(RME)算法,给出一种新的合成孔径雷达(SAR)图像稳健滤波方法.首先根据SAR图像不同尺度下的统计相依性,构造SAR图像的多尺度图像序列;然后对多尺度SAR图像序列构造树上MAR图模型,利用其的RME算法得到SAR图像的滤波.研究表明,该算法不仅具有有效的可计算性,而且利用不同分辨率下SAR图像信息融合,在不同情况下都能得到较好的滤波结果.实验结果表明,本文提出的方法是稳健的.     

基于多分辨率的多模态医学图像配准

提出了一种多分辨率多模态医学图像配准方法来提高图像的配准速度与精度。利用小波函数对图像进行多层分解,采用改进的Powell优化算法寻找待配准图像间的最大互信(MMI),配准首先从图像金字塔中分辨率最低的0层图像开始,将0层图像配准获得的变形参数作为1层图像配准的起始参数,重复该过程直到完成最高精度层的图像配准。CT/MRI和CT/PET图像配准结果证明基于小波分解的多分辨率配准方法具有避免优化算子陷入局部极值、算子收敛速度快和配准精度高等优点。     

Speckle Suppression in SAR Images Using the 2-D GARCH Model

A novel Bayesian-based speckle suppression method for Synthetic Aperture Radar ( SAR) images is presented that preserves the structural features and textural information of the scene. First, the logarithmic transform of the original image is analyzed into the multiscale wavelet domain. We show that the wavelet coefficients of SAR images have significantly non-Gaussian statistics that are best described by the 2-D GARCH model. By using the 2-D GARCH model on the wavelet coefficients, we are capable of taking into account important characteristics of wavelet coefficients, such as heavy tailed marginal distribution and the dependencies between the coefficients. Furthermore, we use a maximum a posteriori (MAP) estimator for estimating the clean image wavelet coefficients. Finally, we compare our proposed method with various speckle suppression methods applied on synthetic and actual SAR images and we verify the performance improvement in utilizing the new strategy.     

SAR图像不确定轮廓相似度及其可信度构建方法

SAR图像相似度准则是目标识别、图像匹配等研究内容的基础,定义合理可靠的相似度将极大地提高SAR图像解译能力。该文针对SAR图像轮廓特点,提出一种基于不确定轮廓的相似度置信区间及其可信度构建方法。首先将SAR图像不确定轮廓模糊化得到相似度定义,进而通过分析模糊模型分布函数,在给定显著性水平下得到相似度置信区间,并给出可信度定义。实验结果表明,该方法对轮廓定位有一定容错性,对一定程度的断裂轮廓及多边缘轮廓也能得到合理的相似度范围和可信度,符合人眼视觉感知。     

A contour-based approach to multisensor image registration

Image registration is concerned with the establishment of correspondence between images of the same scene. One challenging problem in this area is the registration of multispectral/multisensor images. In general, such images have different gray level characteristics, and simple techniques such as those based on area correlations cannot be applied directly. On the other hand, contours representing region boundaries are preserved in most cases. The authors present two contour-based methods which use region boundaries and other strong edges as matching primitives. The first contour matching algorithm is based on the chain-code correlation and other shape similarity criteria such as invariant moments. Closed contours and the salient segments along the open contours are matched separately. This method works well for image pairs in which the contour information is well preserved, such as the optical images from Landsat and Spot satellites. For the registration of the optical images with synthetic aperture radar (SAR) images, the authors propose an elastic contour matching scheme based on the active contour model. Using the contours from the optical image as the initial condition, accurate contour locations in the SAR image are obtained by applying the active contour model. Both contour matching methods are automatic and computationally quite efficient. Experimental results with various kinds of image data have verified the robustness of the algorithms, which have outperformed manual registration in terms of root mean square error at the control points.     

基于Contourlet域HMT模型的多尺度图像分割

基于Contourlet系数分布统计特性,结合隐马尔可夫树（HMT）模型和贝叶斯准则提出一种新的图像分割算法.为了更有效保持Contourlet域不同尺度间的信息,提出一种新的加权邻域背景模型,给出了基于高斯混合模型的象素级分割算法和基于新的背景模型的多尺度融合算法.分别选择合成纹理图像、航拍图像和SAR图像进行实验,并与小波域HMTseg方法进行比较以说明算法的有效性.对合成纹理图像给出错分概率作为评价参数.实验结果表明本文方法不但在边缘信息和方向信息保持上有明显改进,而且错分概率明显降低,对真实图像得到了理想的分割效果.     

利用边缘信息的多尺度分块压缩感知自适应采样方法

在小波域多尺度压缩感知框架下,被完整保留的低频系数存在着许多可利用的图像信息。本文在分析了不同尺度之间、以及同一尺度之内的系数块存在能量差异的基础上,提出了利用边缘信息的多尺度分块压缩感知自适应采样方法(EAS)。该方法首先利用低频系数提取出边缘信息,然后将边缘信息分块,加权计算每个块的边缘信息度,根据边缘信息度判断每个系数块的能量大小,将其转换成每个子块的自适应采样率,从而实现多尺度分块压缩感知的自适应采样。采用医学图像,含有复杂纹理的自然图像和含有严重噪声的SAR图像三类测试数据,验证了EAS方法的性能。数值实验结果表明,EAS方法对不同的压缩感知算法均有很大的提升,能够显著提高图像的重构质量和视觉效果。      

多尺度Markov模型的可适应图像分割方法

本文在图像分割的TSMAP(trainable sequential maximum a posterior)方法基础上,提出基于多尺度Markov模型的可适应ATSMAP(adaptive TSMAP)图像分割方法.在给定训练图像及其基本真实分割(ground truth segmentation,GTS)的基础上,通过直接对原始图像的GTS进行小波变换产生粗尺度上的GTS,进而估计出图像数据的分布参数和Markov四叉树模型参数;上下文模型参数根据上下文的低维特征(类别数量特征)而非上下文本身来估计.该方法具有上下文模型参数估计计算量小,Markov四叉树模型参数可针对特定的待分割图像重新优化等优点(模型适应过程),解决了TSMAP方法易导致过学习的问题,在待分割图像与训练图像的统计特性不匹配的情况下,仍能给出较好的分割结果.对合成图像与SAR图像的实验结果表明,这种方法的分割精度高于TSMAP和其它几种基于多尺度Markov模型的图像分割方法.     

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.