贝叶斯框架下基于曲波特征加权的SAR影像分割

为了探究各特征在SAR影像分割中的作用规律,提出一种贝叶斯框架下基于曲波特征加权的SAR影像分割方法.首先,利用曲波变换提取像素的多尺度光谱特征,构成像素特征矢量,为了探究提取的多尺度光谱特征在SAR影像分割中的作用规律,赋予该矢量中的每个特征分量不同的贡献权重,并利用上述特征和贡献权重定义特征加权影像;然后,划分影像域,并在贝叶斯框架下构建基于曲波特征加权的SAR影像分割模型;同时利用马尔可夫链蒙特卡罗(Markov Chain Monte Carlo, MCMC)算法和最大期望值(expectation maximization, EM)算法实现影像分割和权重估计;最后,利用所提出方法和4种对比方法对SAR影像进行分割实验,通过其定性及定量评价结果验证所提出方法不仅能够自适应地确定特征在影像分割的作用,还能有效提高SAR影像分割精度,表明所提出方法在SAR影像多特征分割中的优势.     

混合本征模型的多视SAR影像海冰密度检测

目的 SAR影像中像素光谱测度的空间相关性蕴含着海洋表面和海冰更加丰富的空间特性及其变化信息,因此合理建模这种相关性是高分辨率SAR影像海冰精准解译的关键。提出一种利用随机模型及空间统计学测度刻画海冰空间结构的方法。方法 本文首先,在空间统计学框架下,SAR影像被表示为多值Gamma模型和泊松线Mosaic模型线性加权构建的混合模型,其中多值Gamma模型用于描述海洋表面雷达信号背向散射变化的连续性,而泊松线Mosaic模型则用于表征不同类型海冰表面雷达信号背向散射变化的区域性。利用上述混合模型的一阶、二阶变异函数,建模蕴含在SAR影像中海冰空间结构的变化。结果 对RADARSAT-1影像海冰结构建模并反演其密度。实验区域真实海冰密度分别为20%,80%等,运用本文方法反演所得海冰密度与真实海冰密度误差正负不超过10%。结论 本文提出混合本征模型用以刻画SAR强度影像中海冰像素强度变化的空间关系,能够较好地反演Ungava湾海冰密度分布。为利用遥感影像检测空间机构提供一种全新的方法。     

基于曲波活性测度的SAR与多光谱图像融合

曲波变换是一种更适合于图像处理的多尺度几何分析方法,具有很强的方向性。结合活性测度将其应用于合成孔径雷达(SAR)图像和多光谱(MS)图像融合可以更好地表示图像中的有用特征。首先,对多光谱图像和SAR图像的R、G、B三波段分别进行曲波变换,粗尺度系数采用3×3窗口系数活性测度进行融合,细节尺度直接取大,对粗尺度和细节尺度系数重构后得到最终融合结果。采用熵、平均梯度、信噪比和扭曲程度对融合结果进行评价。实验结果表明,基于曲波活性测度的融合方法在保持MS光谱信息和提高空间分辨率上都有较好的结果。     

一种曲波域亮度调制的遥感图像融合方法

曲波(Curvelet)变换是一种更适合于图像处理的多尺度几何分析(MGA)方法,具有很强的方向性;结合HSI变换将其应用于合成孔径雷达(SAR)图像和多光谱(MS)图像融合可以更好地表示图像中的有用特征;首先对多光谱图像进行HSI变换,得到亮度分量I,对亮度调制(IM)的方法为:对SAR图像和I分量进行曲波变换得到粗尺度系数和细节尺度系数,利用边缘信息和和调制系数k对粗尺度系数进行处理,逆变换后得到新的亮度分量Inew,用Inew替代原亮度分量I进行逆HSI变换得到最终融合结果,采用熵、梯度、空间频率、偏差指数和扭曲程度对融合结果进行评价;实验结果表明,该方法在保持光谱信息和提高空间分辨率上都有较好的结果.     

基于曲波变换的图像融合研究

近年来,曲波变换由于其独特性而受到研究人员的日益关注.曲波(Curvelet)作为一种新的多尺度分析方法比小波更加适合提取图像中的细节信息,具有较高的逼近精度和更好的稀疏表达性能.将曲波变换引入图像融合.能够更好地提取原始图像的特征,为融合图像提供更多的信息.使用曲波变换,进行图像融合,并同其它方法进行了比对,结果表明,该方法优于小波等融合方法.     

基于EMD的SAR与全色影像融合算法

针对传统融合方法不能有效处理非线性、非平稳信号等问题,提出一种基于经验模态分解(EMD)的合成孔径雷达(SAR)与全色影像融合方法。该方法首先对全色影像和降噪后的SAR影像进行EMD分解,然后采用基于区域特征的融合规则分别对高频和低频部分进行融合,最后通过EMD逆变换得到融合图像。该方法可以有效处理非线性、非平稳信号且具有完全自适应性。实验结果表明,基于该算法的融合图像满足图像融合要求,且融合效果优于小波变换法及曲波变换。     

基于分布目标模型的SAR场景模拟

地理环境的场景回波模拟直接影响到合成孔径雷达(SAR)对抗系统仿真试验的效能评估.通过分析研究场景地表地物的电磁特性,利用高分辨率卫星影像数据的地物特征,采用面向对象的多尺度分类分割算法,提取得到了真实地物电磁特性数据.在构建分布目标模型时,先将实测数字高程模型(DEM)数据进行分形插值处理,建立几何模型,再利用小面单元模型建立散射模型,小面单元的电磁散射特性数据由与DEM数据对应区域的卫星影像数据提取得出,从而建立真实地理环境的SAR回波模型.通过ChirpScaling成像算法对回波信号进行处理,证明了方法的可行性.得到的场景回波模型与通常所用的忽略地物电磁特性得到的回波模型相比,具有逼真度高的优点,为SAR对抗系统仿真试验提供支持.     

卷积神经网络和深度置信网络在SAR影像冰水分类的性能评估

目的 海冰分类是海冰监测的主要任务之一。目前基于合成孔径雷达SAR影像的海冰分类方法分为两类：一类是基于海冰物理特性与SAR成像特征等进行分类,这需要一定的专业背景;另一类基于传统的图像特征分类,需要人为设计特征,受限于先验知识。近年来深度学习在图像分类和目标识别方面取得了巨大的成功,为了提高海冰分类精度及海冰分类速度,本文尝试将卷积神经网络（CNN）和深度置信网络（DBN）用于海冰的冰水分类,评估不同类型深度学习模型在SAR影像海冰分类方面的性能及其影响因素。方法 首先根据加拿大海冰服务局（CIS）的冰蛋图构建海冰的冰水数据集;然后设计卷积神经网络和深度置信网络的网络架构;最后评估两种模型在不同训练样本尺寸、不同数据集大小和网络层数、不同冰水比例的测试影像以及不同中值滤波窗口的分类性能。结果 两种模型的总体分类准确率达到93%以上,Kappa系数0.8以上,根据分类结果得到的海冰区域密集度与CIS的冰蛋图海冰密集度数据一致。海冰的训练样本尺寸对分类结果影响显著,而训练集大小以及网络层数的影响较小。在本文的实验条件下,CNN和DBN网络的最佳分类样本尺寸分别是16×16像素和32×32像素。结论 利用CNN和DBN模型对SAR影像海冰冰水分类,并进行性能分析。发现深度学习模型用于SAR影像海冰分类具有潜力,与现有的海冰解译图的制作流程和信息量相比,基于深度学习模型的SAR影像海冰分类可以提供更加详细的海冰地理分布信息,并且减小时间和资源成本。     

辽东湾海冰类型SAR响应分析

利用2005～2006年冬季辽东湾海冰双极化ENVISAT ASAR影像时间序列,分析了不同极化方式的ASAR影像对辽东湾海冰的探测能力,结果发现交叉极化图像由于其后向散射动态范围小,限制了其在辽东湾海冰分类中的应用。同时利用SAR图像,结合同步TM数据,开展辽东湾海域不同类型海冰的电磁特性响应分析研究,指出SAR能较好识别固定冰、平整冰和碎冰堆积区,但在探测初生冰时并不可靠,其探测结果与海冰生长阶段以及海冰周围环境条件有关,同时由于受分 辨率限制并不能识别莲叶冰等海冰类型。     

基于曲波变换和模糊理论的遥感图像融合

作为一种新的多尺度几何分析方法,曲波比小波更适于分析图像中的直线和曲线边缘特征,利用这一特性,提出了基于曲波变换和模糊理论的遥感图像融合算法,利用曲波变换获取代表待融合图像特征的曲波系数,并将模糊理论引入融合规则中,自适应确定曲波系数的加权权值,实现图像的融合处理.对SAR与全色、多光谱图像融合实验结果的分析表明,该算法的融合效果优于传统的基于PCA、小波变换以及标准曲波变换的融合算法.     

基于属性差决策树的全极化SAR影像海冰分类

全极化SAR影像往往具有多个极化属性,不同海冰类型在不同极化方式下的成像亮度通常具有明显的差异。提出了一种适合于SAR影像海冰分类的属性差决策树分类分析(SDDT)方法,即在给定n个属性特征的样本基础上,通过计算任何两个属性的属性差特征的分类能力,选择出具有最优分类能力的属性差特征及其最优分裂值,实现海冰分类决策树的构建。采用这种策略,相当于在n+C2n个属性(原始n个属性与C2n个属性差)中寻找最优分类能力的属性,不仅充分考虑了影像中原始多极化属性特征,而且增加了属性差特征的有效利用,进而提高了分类精度。另外,针对计算属性分类能力的衡量指标,在C4.5算法中提出的信息增益比GainRatio基础上,进一步考虑了分裂点的宽度ΔWidth以及分裂点属性总宽度TotalWidth,定义了分类能力指数ClassifyAbility=GainRatio*ΔWidth/TotalWidth。实验表明:采用同样的训练样本,应用SDDT算法挖掘出的海冰分类规则,比C4.5算法挖掘出的分类规则的检测精度至少提高10%以上。     

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.     

改进曲波变换的在图像角点检测中的应用研究

角点是图像目标的重要局部特征,角点检测在目标跟踪、运动估计、相机定标等方面都有重要的应用.曲波变换基于多尺度几何分析的思想,以边缘为基本元素能够同时获得对图像平滑区域和边缘部分的稀疏表达,是一种更适合图像处理特点的多尺度变换.为降低曲波的数据冗余性,采用有限脊波变换对曲波进行改进,并在此基础上提出利用Mallat模极大值原理进行角点检测的算法,实验结果表明该方法即使在有噪声的情况下仍然具有较高的稳定性和鲁棒性.     

南极磷虾探捕区独立海冰提取

针对传统的监测海冰方法受限于时间和空间,大范围的空间监测、长时间的动态监测不能满足要求这一问题,为监测南极磷虾探捕区海冰分布和独立浮冰运动特征,利用风云三号气象卫星中分辨率成像光谱仪(FY-3/MERSI)数据实现了研究区的独立浮冰信息提取。首先对FY-3/MERSI多波段数据进行辐射定标、投影、裁剪等预处理,结合多通道阈值法和比值法对海冰、云、海水进行识别,得到研究区海冰分布图;然后采用分区域双峰阈值法与梯度差分相结合的方法提取研究区的独立海冰,得到独立海冰分布图;最后对大块的独立海冰进行运动状态分析。结果表明,FY-3/MERSI数据可以有效地获取研究区海冰分布以及独立海冰分布信息,对于形状变化较小的独立海冰,可以分析海冰的运动状态。     

结合编码-解码网络和条件随机场的全极化合成孔径雷达土地覆盖分类

针对多极化合成孔径雷达影像地物分类特征表征性较弱及全卷积网络分类精度较低的问题,文中提出结合编码-解码网络(E-D-Net)和条件随机场(CRF)的全极化合成孔径雷达(SAR)土地覆盖分类算法.首先,利用Freeman分解和Pauli分解建模全极化SAR影像,提取各分解对应的散射特征.再借鉴语义分割网络模型的建模思想和多尺度卷积单元构建对称网络模型,将多尺度非对称卷积单元嵌入中层,设计E-D-Net网络模型.通过E-D-Net网络模型对PolSAR影像Freeman分解散射特征进行多层自主学习,获得初始分类结果.最后,利用全连接CRF结合Pauli相干分解伪彩色图信息,对初始分类结果再进行降噪和平滑优化,得到最终分类结果.在两地区PolSAR影像上的实验验证文中算法的有效性和可行性.     

SAR图像多尺度配准的小波域等周割方法

研究在同一场景中不同时间和角度的图像配准问题,针对保证配准的精确性,给出了基于合成孔径雷达(SAR)图像小波域等周割多尺度分割的SAR图像多尺度配准方法.为了抑制噪声和配准精度,提出了SAR图像小波域等周割模型并给出模型的多尺度分割算法,以得到较为精确的轮廓特征,结合轮廓修正过程对每个小波分解层进行多尺度配准;并且,配准过程决定了分割中尺度因子的变化程度.小波分解的应用可有效降低搜索空间,在一定程度上加快配准速度,且使用修正后的轮廓特征信息,提高了配准精度.实验结果表明了方法的有效性,为图像配准技术提供了参考.     

基于SIFT特征的异源遥感影像匹配方法研究

由于不同传感器、多时相、多分辨率、多波段的遥感图像的光谱特征、空间特征、纹理特征等存在较大差异,为影像匹配带来了困难。针对异源遥感影像成像机理的不同特点,从影像特征角度,引入尺度不变特征变换(Scale-Invariant-Feature-Transform,SIFT)方法,实现光学影像、SAR影像和多光谱影像间的匹配;针对SIFT单向匹配算法的不足,引入匹配约束,采用双向匹配策略对其优化,提高了匹配的可靠性。实验表明,该算法具有稳定、可靠、快速等特点,适用于存在光谱特征、空间特征、纹理特征等差异的异源遥感影像的高精度匹配。     

基于多尺度分割的遥感影像滨海湿地分类

基于多尺度的高分辨率遥感影像分类方法研究,可以为滨海湿地动态监测、规划保护提供更详尽的湿地分类信息和更快速的数据获取方法,对湿地保护具有重要意义。选取连云港青口河入海口处湿地为研究区,以高分辨率遥感影像WV\|Ⅱ和航空遥感影像为数据源,利用多尺度分割方法将影像分割成不同层次的实体对象;在不同层次,以实体对象为单元,结合光谱、形状、纹理等不同影像特征,进行滨海湿地分类研究,结果表明:利用该方法分类后,研究区各种湿地类型都达到较高精度。基于多尺度分割的影像分类方法能充分利用各种影像特征完成湿地分类,有效地减少了遥感影像中的“椒盐”现象,提高了分类精度;选择适宜的分割尺度和分割参数是基于多尺度分割的遥感影像分类方法提高精度的前提。     

水平集方法在卫星遥感图像海冰边缘检测中的应用

针对SAR等高分辨率卫星数据在海冰业务化监测工作中的应用前景,该文将水平集方法和多尺度小波方法相结合,对海冰外缘线提取方法进行研究;其提取结果可以用于海冰面积估算、密集度估算、冰间水道提取和海冰类型区分等。渤海、南极海域的SAR数据和渤海海域的HJ-1A卫星数据实例分析说明了所提出方法的有效性。     

尺度不变特征转换算法的多源SAR影像匹配

鉴于直接利用SIFT算法进行SAR影像间的匹配不能得到很好的效果,考虑SIFT算法在应对噪声以及对镜像影像进行匹配的局限性,提出了针对SAR影像之间匹配的SIFT算法预处理。首先利用影像与影像之间的空间信息进行匹配,之后利用SIFT算法进行局部特征点匹配,通过采用RANSAC进行错配点的去除,实现SAR影像的高精度配准。实验结果表明,该文提出的预处理以及错配点的去除为利用SIFT算法进行SAR影像的匹配提供了可能。