一种改进的全极化SAR影像面向对象分类方法

面向对象分类过程,首先对图像进行分割得到对象,然后将对象进行分类,分割效果直接影响最终分类精度.针对这一问题,提出一种改进的全极化合成孔径雷达(SAR)影像面向对象分类方法,在分类时首先通过计算各对象内部像元类别比例对对象进行判断,若所有类别比例均没有达到某个阈值,则认为此对象存在分割偏差,对其进行基于像元的分类,反之则进行面向对象分类,最后整合像元级和对象级分类结果.分类算法采用改进分类器动态选择法(ICDS)对差异性较大的3个基分类器Wishart、核-KNN和Wishart-KNN进行决策级融合.以AIRSAR,EMISAR的全极化SAR影像为数据进行分类实验.结果表明:改进算法充分利用了对象级和像素级分类的优点,从而得到高精度的分类结果,该算法具有良好的应用前景.     

基于正则化方法的SAR图像分割及目标边缘检测算法

为了准确地分割图像并获取清晰、连续的边缘特征,在系统分析正则化技术的基础上,提出了一种基于正则化技术的SAR图像分割及目标边缘检测算法。该算法首先利用一种改进的正则化方法对SAR图像进行预处理,然后分析图像的统计特性,利用阈值化技术获取SAR图像的目标区域和阴影区域,最后通过加窗处理技术对分割后的目标区域进行边缘特征提取。并用MSTAR数据进行大量的仿真实验,结果表明,与经典的边缘检测方法相比,该方法在获取良好的分割结果的同时能更精确、更完整地检测出目标的边缘特征。     

快速的Otsu双阈值SAR图像分割法

在分析SAR图像的统计分布特征的基础上,根据SAR图像自动目标识别对SAR图像分割的要求,提出了一种适合SAR图像的Otsu分割算法。算法首先利用CFAR进行粗分割,然后利用Otsu进行细分割。实验结果表明,该算法分割准确且计算量小,客观评价值较高。     

融合区域和边界信息的水平集SAR图像分割方法

提出了一种基于区域和边界信息的水平集SAR图像分割方法。该方法根据SAR图像的区域统计特征和边界梯度信息,建立SAR图像分割能量泛函模型;通过最小化能量泛函得到曲线演化偏微分方程;采用水平集方法求解演化方程,实现了SAR图像的分割。分别采用模拟和真实SAR图像对该方法进行了仿真。实验结果表明,该方法能充分利用SAR图像特征,不需要去除相干斑噪声的预处理过程,实现了对图像中目标与背景的正确分割。     

有监督的水平集高分辨SAR图像分割方法

针对基于统计模型的水平集SAR图像分割中参数估计耗时较多的问题,提出了一种有监督的高分辨SAR图像分割方法.该方法将Fisher分布和Gamma分布分别作为高分辨SAR图像的目标和背景统计模型,结合水平集方法推导了SAR图像分割水平集函数的能量泛函模型,通过最小化能量泛函得到曲线演化偏微分方程,实现对高分辨SAR图像的...     

采用联合相似度谱聚类集成的极化SAR分类

为了降低谱聚类算法尺度参数对分类结果的影响,避免Nystrm逼近导致的分类结果不稳定,提出了一种基于谱聚类集成的极化合成孔径雷达(SAR)地物分类方法.首先,利用像素间的空间关系和极化信息,将基于相干矩阵Wishart距离的相似性测度和基于极化特征矢量欧氏距离的相似性测度相结合,引入马尔可夫随机场势函数,构造谱聚类的相似性矩阵;然后,采用基于Nystrm逼近的谱聚类实现极化SAR数据的单次谱分类;最后,采用集成策略完成对极化SAR图像的地物分类.实验结果表明,该算法提高了分类精度,区域一致性保持较好,且分类结果稳定.     

贝叶斯集成框架下的极化SAR图像分类

对于极化合成孔径雷达(SAR)图像,由于雷达角度和地物形状导致属于同一类的数据可能存在较大的差异性.针对此问题提出了一种基于贝叶斯集成框架的极化SAR图像分类方法.该算法采用贝叶斯集成,通过学习不同个体而获得的分类面来改善极化SAR图像分类性能.首先,输入极化SAR图像,并获得其对应的极化SAR数据及特征.从图像的每一类中任意选择像素点作为图像分类的原始训练样本,并对其进行随机划分获得不同的样本子集.然后,基于获得的样本子集构造对应极化SAR图像的贝叶斯集成框架.最后,通过构造的贝叶斯集成框架对极化SAR图像进行分类.特别在构造贝叶斯集成框架中采用支撑矢量机作为基本的分类器算法.实验结果表明,所提出的算法相比经典的极化SAR分类方法和单个SVM的极化SAR分类方法获得更好的分类性能.     

Dirichlet过程混合模型SAR图像分割算法

传统的合成孔径雷达(SAR)图像参数化有限模型都有其特定的物理背景或者数学假设,很难准确估计SAR图像中各地物的密度分布,为了解决这一问题,提出一种基于非参数化无限混合模型的SAR图像分割方法,该方法利用Dirichlet过程对SAR图像进行建模,进一步采用非参数化Bayes模型分割包含复杂地物目标的SAR图像。Dirichlet分布作为一种基于分布的分布可以确定不同类别的先验概率,由样本估计出密度函数来描述图像,从而可以更精确地分割各类地物。该算法在模拟图像与真实SAR图像上进行了比对测试,实验结果验证了Dirichlet过程混合模型SAR图像分割算法的有效性和稳健性。     

基于H／A／α-Wishart分类的极化SAR图像船只检测

虽然目标分解已经是极化SAR图像进行船只检测的重要方法,但是在相干矩阵分解得到的不同参数下并不能将船只和海洋等背景准确的完全区分,不同的参数反映了目标的不同散射特性。因此,该文提出了一种基于H/A/α分解的Wishart非监督分类的极化SAR图像船只检测的方法。实验结果表明,该方法能够有效地检测出目标船只,并能有效地减少虚警。     

基于模糊松弛的极化图像分类算法

该文模糊聚类是一种重要的分类方法,已有的模糊分类算法应用于极化SAR图像时只利用了光谱信息,未考虑到邻域像元间统计依赖关系,针对这一缺陷,该文引入了邻域函数来描述这种依赖关系。在模糊C均值(FCM)框架下,利用邻域函数进行类别概率松弛,而且松弛程度可根据具体应用修改,增强算法的灵活性。利用DLR实验室的全极化数据进行的实验表明即使在强噪声下本文算法也能获得一致连续的分类效果。     

PolSAR快速贝叶斯非局部均值相干斑抑制方法

从单极化合成孔径雷达(SAR)贝叶斯非局部均值算法出发,推导了极化相干矩阵在复Wishart分布下的块相似性度量函数,给出了无先验知识下的极化SAR贝叶斯非局部均值模型,并采用积分图实现了该算法的快速计算.最后,通过机载合成孔径雷达实测旧金山地区的极化SAR数据进行了验证.实验结果表明,文中方法能够有效抑制相干斑的同时,保持了极化特征,并大幅提升了运算效率.     

一种基于AEP和K主曲线的图像分割方法

广泛应用的第一主成分是对数据集的一维线性最优描述,主曲线是第一主成分的非线性推广.在此提出了一种基于AEP和K主曲线的图像分割方法,将统计学中的主曲线很好地应用于图像处理.该方法首先将腐蚀传播算法和区域生长型分水岭方法相结合,标记出图像中不同物体并产生初始边缘;然后,用K主曲线多边形线算法进行边缘点连接.实验结果证明,AEP算法能标记出一幅图中不同的目标,K主曲线能提供精确的目标轮廓线,该分割方法行之有效.     

改进的MRF水下目标检测方法

为取得更好的水下目标检测结果,提出了一种改进的MRF水下目标检测方法.即在海底混响区服从Gamma分布的情况下,将建立的三类空间邻域MRF模型参数和层次间相互作用的模型参数应用于空间分层MRF三类分割中,得到最终精确的水下目标检测结果.在海底混响区服从威布尔分布模型的情况下,对原始声纳图像和人造模拟声纳图像检测结果的比较表明,提出的检测方法能得到更精确的检测结果,且运算速度较快.     

三维矩阵可变分割彩色图像压缩编码

针对基于三维矩阵宽离散余弦变换的彩色图像压缩方法通常采用的固定尺寸的子阵分割方案和固定尺寸的变换编码。由于图像的不同区域具有不同的统计特性,故采用固定尺寸的分割方案不能有效利用图像本身的相关性,提出了一种三维矩阵可变分割的彩色图像压缩编码方法。该方法采用可变分割的子阵分割方案和变尺寸三维矩阵宽离散余弦变换。首先计算图像的活动性,根据图像活动性的大小将被编码图像划分成不同大小的三维子矩阵。对不同大小的子矩阵分别采用相应尺寸的三维矩阵宽离散余弦变换。变换系数采用非均匀标量量化和熵编码。实验结果表明该方法的压缩性能在低比特率时远远优于JPEG方法,在压缩比相同的情况下,PSNR最多有超过2 dB的提高,主观质量也有提升。     

一种新的合成孔径雷达三维成像方法

研究了从全极化合成孔径雷达(SAR)图像数据中提取方位向的地势倾斜度信息,形成极化SAR三维成像。阐述了极化合成孔径雷达三维成像的快速搜索算法,对快速搜索算法作了修正与完善。提出了由Stokes矢量推导的极化椭圆方向角解模糊算法,利用真实的极化SAR图像数据得到了极化三维成像结果;并讨论了极化三维成像对地势场景的要求。     

采用形态学算子的运动目标检测跟踪方法研究及实现

针对背景动态变化的场景,提出了一种基于全方位视觉的运动目标检测跟踪方法.采用统计方法建立背景模型,并实现背景模型的实时更新;利用减背景法和改进的二值图像连通域算法实现运动区域提取、分割;引入形态学算子计算目标区域体态比和紧密度,过滤背景干扰物;采用卡尔曼滤波与匹配矩阵相结合实现多个运动目标的跟踪;通过目标在HSV颜色空间中的H值、目标间的欧氏距离和目标相交面积等特征融合,提高目标跟踪的鲁棒性.实验表明,所设计的方法能实现实时准确的运动目标检测与跟踪.     

基于颜色和深度的场景分割

针对家庭服务机器人对分割精度的要求,研究了基于Kinect的场景分割问题。设计了一种融合Kinect获取的深度信息与颜色信息的场景分割方案。将Kinect获取的深度图像与颜色图像分别用一维向量和三维向量表示,并进行归一化,通过一个平衡系数将二者融合到一起形成场景的四维向量描述;再将基于Nystrm方法的Normalized Cuts谱聚类算法应用于四维向量,从而实现场景分割。实验结果表明,该算法的分割结果优于单独基于颜色或深度信息的场景分割算法,能达到家庭服务机器人对场景分割精度的要求。     

一种SAR目标属性特征提取算法

针对散射中心重叠的情况,利用散射中心空域及其散射机理的稀疏特性,提出一种基于全极化属性散射中心模型的合成孔径雷达目标属性特征提取算法.根据散射中心空域与散射机理的稀疏特性,对目标的极化分解系数矩阵分别施加行稀疏约束与矩阵稀疏约束.由于极化散射机理字典包含未知参数,在此采用坐标轮回下降法分别估计极化分解系数矩阵与极化散射机理字典,同时提取属性散射中心及其极化特征等属性特征.基于电磁计算数据的实验结果,验证了该算法能够利用极化信息提取散射中心的属性特征.     

一种基于Gaussian-Hermite矩的SAR图像分割方法

图像分割在SAR图像处理中具有很重要的意义。文中提出了一种基于Gaussian-Hermite矩的SAR图像分割方法。该方法针对合成孔径雷达(SAR)图像斑点噪声对现有分割方法带来的影响,利用Gaussian-Hermite矩的不同阶矩并结合SAR图像特征将目标从含噪背景中分割出来。实验部分同时采用了仿真数据和实测SAR数据,通过与小波能量等4种方法的分割结果进行比较,显示出了该方法的有效性。     

基于图割的扩散张量磁共振图像胼胝体分割算法

扩散张量磁共振成像过程易因噪声导致扩散张量图像(diffusion tensor images,DTI)的体素数据发生畸变,使分割效果不佳.针对该问题,提出了一种基于图割的DTI胼胝体分割算法,该算法在求解能量函数的过程中,用非种子点与作为硬约束条件的种子点之间的J-散度中位数表示T-连接权值,用取值范围在(0,1]之间的单调递减指数函数表示N-连接权值,同时构造网格图结构,用最大流/最小切算法计算最小切,实现图像的全局最优二值化分割.DTI图像的分割实验结果表明:所提算法能更为准确地从受噪声影响的数据中提取出胼胝体,各参数不同取值时的重叠率指标统计分析也证明了新算法具有较高的分割精度.