改进Notch滤波的全极化SAR数据船舶检测方法

全极化SAR数据提供了更多的地物极化散射信息,目前被广泛的应用于海上船舶检测的应用研究。本文提出改进的Notch滤波方法,实现全极化SAR数据的海上船舶检测。该方法结合目标的极化散射特性与能量双重特点,设计针对海面、方位向模糊、相干斑噪的不同滤波,消除虚警,通过SPAN能量因子降低由于散射机制相同而造成的漏检。利用RADATSAT-2全极化精细扫描数据对本文的算法进行验证,并与PWF和SPAN方法进行对比分析,实验结果表明本文提出的方法能从海面上有效检测出各种大小的船舶,同时能抑制方位向模糊、相干斑噪以及船舶的旁瓣造成的虚警。     

一种子视相干优化的极化SAR船只检测方法

针对传统单极化SAR船只检测能力不足的问题,提出了一种基于极化SAR图像子视相干的方法来检测船只。该方法在船只和海杂波SAR子视图相干程度分析的基础上,通过调整全极化SAR图像数据的最优极化状态得到3个优化的相干参数,并由此定义了一种最优相干积参数。由于该参数可以保留相干目标(即船只)的强度和相位,因此能够极大提高目标与背景之间的对比度,从而改善后期的目标检测性能。最后,采用机载极化SAR数据来评估本文方法,其试验结果表明,该方法能充分利用目标的极化特征以及子视相干性信息,显著提高了船海对比度,实现了船只检测性能的改进。     

利用香农熵的双极化合成孔径雷达船只检测

针对传统恒虚警率(CFAR)船只目标检测方法存在虚警率设置困难、算法自动性差的问题,该文结合香农熵特征对于船只目标和海面表现出不同特性的原理,即船只目标的香农熵为正值,海面的香农熵为负值,提出了一种基于香农熵的船只目标检测方法。文中利用8景C波段Radarsat-2双极化SAR数据进行检验,与KCFAR、G0-CFAR及基于反射对称性的XC船只目标检测算法进行对比分析,结果表明本文提出的方法具有较好的检测性能。     

基于改进的S-NMF方法的全极化SAR船舶检测

全极化SAR影像应用于海上船舶检测,如何在不降低检测率的同时,利用极化信息降低虚警率,是一个值得研究的问题。根据SAR极化矩阵3个特征值的非负性和稀疏性,提出了改进的非负矩阵分解S\|NMF(Sparseness-Nonnegative Matrix Factorization)方法:将最大和次优特征值用于NMF分解,因为两者占有目标97%以上的能量,能够保证最大的检测率,分解后所得结果为检测结果I;而强海杂波、“目标鬼影”等虚警在第三特征值上表现较弱,利用第三特征值与结果I相乘,可进一步强化目标弱化虚警。然后采用OS-CFAR算法对相乘后的图像进行检测,输出最终结果。最后用带有AIS数据的Radarsat-2全极化数据对该方法进行验证,并与SPAN方法、HV通道、PWF方法的检测结果进行对比,结果表明:该方法不但能够正确地检测出船舶目标,而且能够有效降低虚警。     

基于模糊最大熵的红外图像增强算法

针对红外图像整体亮度偏暗、对比度较低、目标与背景区分不明显的特点,论文提出了一种基于模糊最大熵和改进的S函数的图像增强算法。该方法首先通过模糊最大熵准则求取最佳阈值,再使用改进的S函数对阈值两侧的像素灰度进行模糊域的非线性拉伸,从而得到增强后的红外图像。实验结果表明,该算法能明显提高红外图像对比度,突出目标并降低背景噪声。     

基于香农熵的极化SAR相干矩阵信息量评价

极化SAR(Synthetic Aperture Radar)非相干分解是获取地物目标特性的重要手段。针对目前非相干分解所使用的极化相干矩阵包含的信息量尚未定量估计的问题,引入信息论中的香农熵(Shannon Entropy),系统分析了不同地物包括海洋、植被和建筑物在不同时段和波段下极化相干矩阵信息量随窗口大小的变化规律。研究发现,不同地物类型的极化相干矩阵包含的信息量差异较大。其中建筑物平均相干矩阵的信息量较低,且随窗口增加信息量呈现近线性增加,而海洋、植被的极化相干矩阵信息量偏高,且随窗口增加信息量先快速增加后趋于稳定。同种地物在不同波段及时段下,平均相干矩阵的信息量随窗口大小的变化规律相近。研究表明:基于香农熵的相干矩阵信息量评价方法,可以简单有效地定量评估相干矩阵包含的信息量,同时也可为计算极化相干矩阵滑动窗口的选择提供重要理论依据和指标参考,有助于后续进行极化目标分解和对目标散射机制的理解。     

基于背景先验与低秩恢复的显著性目标检测方法

显著性检测是指计算机通过算法自动识别出图像中的显著性目标，广泛应用于目标识别、图像检索与图像分类等领域。针对现有基于稀疏与低秩矩阵恢复的显著性检测模型中低秩转换矩阵的获取、前景稀疏矩阵的处理以及超像素块之间的关系，需对现有的稀疏与低秩矩阵恢复模型进行优化，使之更好地适用于图像的显著性检测。首先，根据背景的对比度和连通度原则获取图像低秩的背景字典，采用3种尺度分割图像的多个特征矩阵获得图像的前景稀疏矩阵；其次，通过计算邻居像素点之间的影响因子矩阵与置信度矩阵对显著图的结果进行结构约束，并且采用稀疏与低秩矩阵恢复模型对图像进行显著性检测；最后，利用K-means聚类算法的传播机制优化得到的显著图。在公开数据集上进行实验验证,结果证明本文方法能够准确有效地检测出显著性目标。     

基于改进Faster R-CNN的SAR船舶目标检测方法

合成孔径雷达（Synthetic Aperture Radar, SAR）船舶检测在海洋交通监控中发挥着重要作用,传统SAR目标检测算法一般利用目标与背景杂波之间的对比度差异进行检测,在近岸海域等复杂场景下检测效果较差。为了提高在复杂场景下的检测性能,本文提出一种基于改进Faster R-CNN的船舶检测方法,在分析不同特征分辨率对检测性能影响的基础上,结合VGG的思想与扩张卷积设计一个适用于SAR船舶目标检测的特征提取网络,以提升对小型船舶目标的检测能力。另外,根据sentinel-1A数据集中目标尺寸分布选取小尺寸anchor,并通过去除冗余anchor,将检测速度提升了一倍。在sentinel-1A数据集上的实验证明本文提出的算法能够快速、有效地从复杂场景SAR图像中检测出船舶目标。     

液晶显示器斑痕缺陷高质量背景建模

针对目前液晶显示器斑痕(LCD-Mura)缺陷背景抑制检测中重建的背景存在引入性噪声干扰和目标缺损的问题,提出一种基于奇异值分解(SVD)和最大熵的缺陷图像背景建模方法:通过SVD图像像素矩阵,求得奇异值序列;借助矩阵范式推导出图像分量与奇异值的对应关系,进而以图像各分量奇异值所占比率计算各分量的熵值,以此利用最大熵确定重建背景的有效奇异值;再由矩阵重构得到背景,并进一步提出关于背景重建效果评价的一般方法。相比双三次B样条曲线拟合方法,该方法将区域Mura的对比度最少提升0.59倍,提升线Mura对比度最多达到7.71倍;相比离散余弦变换(DCT)方法,该方法将点Mura的噪声最少降低33.8%,将线Mura噪声降低76.76%。仿真结果表明,该模型具有低噪、低损和高亮的优点,能够更为准确地构建出缺陷图像的背景信息。     

改进极化白化滤波的边缘检测

针对SAR影像边缘检测受斑点噪声影响严重和极化信息利用不充分的问题,用滑动模板边缘两侧目标的协方差矩阵代替了极化白化滤波中杂波背景与窗口中心的协方差矩阵,提出一种基于改进极化白化滤波的边缘检测新方法,充分利用了极化通道间的相关性,在有效抑制斑点噪声的同时,提高了极化信息的利用率。模拟和真实极化影像的实验验证了新方法的有效性。     

结合区域协方差分析的图像显著性检测

目的 图像显著性检测的目的是为了获得高质量的能够反映图像不同区域显著性程度的显著图,利用图像显著图可以快速有效地处理图像中的视觉显著区域。图像的区域协方差分析将图像块的多维特征信息表述为一个协方差矩阵,并用协方差距离来度量两个图像块特征信息的差异大小。结合区域协方差分析,提出一种新的图像显著性检测方法。方法 该方法首先将输入的图像进行超像素分割预处理;然后基于像素块的区域协方差距离计算像素块的显著度;最后对像素块进行上采样用以计算图像像素点的显著度。结果 利用本文显著性检测方法对THUS10000数据集上随机选取的200幅图像进行了显著性检测并与4种不同方法进行了对比,本文方法估计得到的显著性检测结果更接近人工标定效果,尤其是对具有复杂背景的图像以及前背景颜色接近的图像均能达到较好的检测效果。结论 本文方法将图像像素点信息和像素块信息相结合,避免了单个噪声像素点引起图像显著性检测的不准确性,提高了检测精确度;同时,利用协方差矩阵来表示图像特征信息,避免了特征点的数量、顺序、光照等对显著性检测的影响。该方法可以很好地应用到显著目标提取和图像分割应用中。     

基于张量空间中的均值漂移聚类的极化SAR图像分割

提出了一种基于均值漂移(Mean Shift, MS)聚类的全极化合成孔径雷达(Polarimetric Synthetic Aperture Radar, PolSAR)图像无监督分割算法. 已有的工作在将MS算法应用于全PolSAR图像分割时, 仅使用每个像素点的极化总功率值作为该像素点的特征值, 没有充分利用极化协方差矩阵或者相干矩阵所包含的完整的极化散射信息. 但是如果直接利用每个像素点的极化协方差矩阵作为特征向量, 则这些特征向量构成的空间不再是一个欧氏空间, 而原始的MS算法是定义在欧氏空间中的. 因此, 本文首先将每一个像素点的厄尔米特正定极化协方差矩阵也称为一个张量, 而且使用黎曼流形来描述该张量空间. 然后, 原始的MS算法被扩展到该张量空间中. 直接扩展得到的算法每一步具有明确的含义, 但是运算复杂度较高. 所以本文又进一步对该算法进行了简化, 从而得到了一个实用的分割算法. 通过使用真实的全PolSAR数据以及仿真数据进行实验, 结果验证了新方法的有效性.     

钢轨表面缺陷检测的图像预处理改进算法

由于线阵相机拍摄的图像光照不均、对比度低,使得钢轨表面离散缺陷检测成为机器视觉检测的难点,为此提出局部非线性对比度增强法和改进最大熵阈值分割法对钢轨图像进行预处理.该算法将局部区域内相对较低的灰度级映射到更低的范围,相对较高的灰度级映射到更高的范围,实现对比度拉伸;通过分析图像的目标熵、背景熵、灰度概率分布曲线,使用图像目标熵最大、目标概率较小的改进最大熵阈值分割法对图像进行分割,得到包含噪声相对较少的图像.实验结果表明,文中提出的非线性对比度图像增强算法简单、快速、有效,而且增强效果与光照无关;与原始的最大熵、目标最大熵、OSTU阈值分割法相比,改进的最大熵分割阈值较小,分割后的图像包含的噪声少;改进的预处理算法对测试图像的漏检率和误检率分别是6.2%和7.3%.     

基于粒子群优化算法和模糊熵的多级阈值图像分割算法

针对现有阈值分割算法利用穷举搜索寻找最优阈值而造成的计算成本较大的问题,提出了一种基于粒子群优化算法和模糊熵的多级阈值图像分割算法。图像分割是图像分析中非常重要的预处理步骤,在提出的方法中,首先选择香农熵和模糊熵作为优化技术的目标函数;然后建立一种基于粒子群优化算法的多层次图像阈值分割,通过最大化香农熵或模糊熵进行图像分割。最后从图像分割数据库中选取Lena、baboon和airplane作为测试图像进行性能分析（包括鲁棒性、效率和收敛性）,并与现有的几种阈值分割算法进行比较。结果显示,提出的算法得到了更高PSNR值和更少的分类误差,证明了该算法是一种高效的多级阈值图像分割算法。     

星载SAR影像上船舶方位向模糊去除算法

目的 掌握海上船舶分布状态对于海上交通流分析和通航安全管理具有重要作用。遥感技术,特别是星载合成孔径雷达(SAR)技术的发展,为大范围海上船舶检测提供了有效的手段,但受SAR成像机制影响,海上船舶目标在星载SAR影像上通常存在着不同程度的方位向模糊噪声,这些噪声易被误判为船舶,导致船舶识别中虚警率提高。方法 本文简述了方位向模糊噪声的产生原因,提出了一种新的星载SAR影像上船舶方位向模糊去除算法,该算法的核心是构建目标方位向角度一致性、方位向位置偏移距离和方位向模糊能量衰减3个判别规则,对潜在SAR影像亮斑目标进行逐层筛选,实现船舶真实目标和方位向模糊目标的判别。结果 选取中国渤海海域和黄海海域的30 m分辨率的Radarsat-2数据进行案例分析,并与船舶自动识别系统(AIS)实测数据进行比对校验,结果表明,传统的双参数恒虚警率(CFAR)算法和基于K分布的CFAR等算法对于船舶难以剔除方位向模糊,容易造成虚警,而本文算法对实验影像的船舶方位向模糊去除准确率优于95.8%,能够有效剔除船舶方位向模糊。结论 该算法为星载SAR影像上船舶方位向模糊去除提供了新的手段,有助于提高SAR影像上船舶目标检测的准确性。     

基于微粒群和最大模糊熵的图像分割

提出了一种基于微粒群和最大模糊熵的图像分割方法.将图像分为目标和背景,并分别建立相应的模糊隶属函数来描述图像各个灰度级属于目标和背景的模糊特性,进而给出图像模糊熵的描述.在此基础上,根据最大模糊熵准则采用微粒群算法搜索模糊参数的最优组合,确定区分目标和背景的最佳阈值.为了验证方法的有效性,对比进行了图像分割实验,并与双峰法、迭代法和最大类间方差法进行了比较,实验结果表明,效果良好,能够自动、有效地选取阈值,分割效果优于其它三种算法,具有很好的鲁棒性和自适应性.     

面向极化目标分解的特征参数研究

为有效的解决极化特征分解中平均阿尔法角参数和熵参数的估计量偏低的问题,引入了加权平均函数、香农强度熵和极化度熵这3个参数,来描述地物散射回波的散射机制和散射随机性.给出了相干矩阵数据特征分解算法的实现流程,对AIRSAR数据集中的样本图像进行了定性的、定量的实验.实验结果表明,在不改变采样数量的前提下,新的参数值得到了提升.将新的参数应用于有监督威沙特距离分类,并通过蒙特卡罗仿真器验证了新的参数能够提高分类精度.     

信息熵与模糊综合评判融合的相似数据检测方法

针对大数据环境下数据冗余量大的问题,以粗糙集理论为基础,提出了一种基于香农信息熵（Shannon entropy）融合模糊综合评判的相似重复数据检测方法,首先基于香农熵对数据集中的属性进行约简,然后采用模糊综合评判方法获取约简后各属性的重要性权值,最后依据约简属性及其权值进行相似数据的检测。理论分析与实验对比表明,该方法在结构化大数据集的相似数据检测中,有较高的检测精度与效率。     

红外人体图像模糊Renyi熵快速分割

针对红外人体图像目标与背景对比度低、边缘模糊、细节分辨能力差等特点,以及通常情况下的实时性处理要求,提出了一种新的有效分割方法。基于Renyi熵原理,构造了一种广义模糊熵——模糊Renyi熵;为了较快地获得分割阈值,基于混沌理论设计了一种混沌模拟退火算法,用于最佳分割阈值的搜索;把提出的模糊熵与混沌模拟退火算法相结合用于红外人体图像分割,并与几种著名的图像阈值分割方法进行了比较。实验结果表明,用该方法对红外人体图像进行分割,能得到较满意的分割结果,与其他方法相比,鲁棒性较好;对具有256级灰度的图像进行分割,其CPU耗时约为0.8 s,满足了红外人体图像分割的精确、实时性要求。     

模糊Renyi熵与QGA结合的快速图像分割

针对非模糊熵的阈值分割方法不能较好地反映数字图像本质上具有的模糊特性,提出一种新的基于模糊熵的图像阈值分割方法。通过模糊隶属度函数将图像直方图信息转换到模糊域,利用模糊Renyi熵计算目标与背景的信息熵。根据最大熵原理,引入量子遗传算法对隶属度函数参数进行寻优,进而得到图像的最佳分割阈值。与典型的阈值法进行对比实验,表明该方法能获得更好的分割结果,满足实时性需求。