基于边缘保持的区域能量最小化SAR海冰图像分割

提出了一种基于边缘保持的区域能量最小化的SAR海冰图像分割算法。首先对图像进行SRAD滤波,然后进行分水岭初始分割和区域能量最小化分割,从而得到最终分割结果。将该算法用于SAR海冰图像的分割中,实验结果表明,该分割方法有效、准确性好。     

基于局部区域能量最小化模型的图像分割

在马尔可夫随机场(MRF)和概率理论的基础上,提出局部区域能量最小化模型,将传统基于像素的分割转化为基于区域的分割,能减小均匀区域中的误分类率。在该模型和MRF模型下,使用ICM算法、Gibbs采样算法、Metropolis采样算法对图像进行分割,结果表明该模型能取得更精确的分割结果,可有效拟制图像噪音和纹理对分割的影响。     

基于图割优化的能量最小化模型图像分割方法

针对主动轮廓模型中利用梯度下降法求解能量函数容易陷入局部极小的不足,设计了一个离散化最小能量函数模型。该模型以Chan-Vese模型为基础,利用图割方法优化能量泛函,实现能量的全局最优解。新模型首先将图像映射为图,将基于像素的能量泛函转换为可用图表示的离散化能量函数,通过计算节点及其邻域关系权值,迭代求解最小化能量并将其作用于形变轮廓曲线,直至达到稳定状态。新模型改进了主动轮廓模型对弱边界图像初始轮廓敏感的问题,提高了分割精度和运行速度。     

SAR图像的最优分割方法

根据SAR图像的概率密度函数获得图像的拟然函数,然后将似然函数和边界约束方程结合起来,提出适合于SAR图像分割的代价函数,其中边界约束方程引入邻域结构信息来保证区域边界的规则性,通过使代价函数最小来获得图像的最优分割。算法首先将原图分割成一定大小的块状区域作为初始分割,每一区域代表一个类别;然后随机调整相邻两个区域之间的像素,通过比较代价函数的变化,利用模拟退火算法确定接受该调整的概率。模拟退火是一种求解全局最优的算法,当温度趋向于0时,它可以获得使代价函数最小的SAR图像的分割。最后,利用基于相似性的融合方法对分割进行后期处理,将相似的较小的区域融合成较大的区域,使得分割更合理。我们将该算法应用到一些SAR测试图像上,获得了比较满意的结果。     

基于数学形态学的SAR图像分割方法

图像分割是遥感图像处理中很重要的一步。因SAP图像通常带有较强的嗓声，用传统的边缘检测方法效果不理想。作者利用数学形态学开闭运算和混合滤波，可据目标的形状选用算法中的探针，取得了较好的滤波去噪和目标分割的效果。     

基于能量最小化的图像融合

图像融合是指联合两个或两个以上的图像通过某种算法得到一幅更高质量的新图像.提出了一种融合全色图像和光谱图像的方法即能量最小化方法,能量主要由两个部分组成.第1部分保证了相关细节信息的注入.第2部分保持了多光谱图像的低频信息.另外,能量还可以包含高分辨率光谱图像的先验知识和其它一些约束条件.     

基于MRF场的SAR图像分割方法

提出了一种基于MRF（Markov Random field)模型的SAR（Synthetic Aperture Radar)图像分割算法,本算法利用ICM（（Iterative Conditional Mode)局部 优化方法,获得MAP（maximum a posteriori)准则下的图像分割结果。并引入了剔除外层数据的机制,用MSTAR（Moving and Stationary Target Acquisition and Recognition)数据进行实验,结果表明,算法能有效减少斑点噪声的影响将图像分割为目标,阴影,背景三部分,实验结果是令人满意的。     

基于分形理论的SAR图像分割

SAR(合成孔径雷达)图像包含有相干斑噪声,传统方法不能很好对其进行分割,文章将SAR图像的特点和分形理论相结合,提出了一种新的SAR图像分割方法。该方法首先对原始SAR图像每个像元为中心取两种不同窗口,计算在该两种窗口下基于区域自选的分形维数并求均值,将其作为分形纹理特征。然后根据SAR图像噪声在小波域中的分布特点对SAR图像进行滤波,最后以SAR图像分形纹理特征和滤波后的灰度组成特征向量对SAR图像进行分割。实验结果分析表明,该方法是一种有效的SAR图像分割方法。     

基于小波变换的SAR图像分割

SAR(合成孔径雷达)图像包含有相干斑噪声,传统方法不能很好地对SAR图像进行分割,该文结合SAR图像和小波变换多分辨分析的特点,提出了一种新的SAR图像分割方法。首先利用小波变换提取SAR图像的纹理特征信息,然后根据SAR图像噪声在小波域中的分布特点对SAR图像进行滤波,最后以SAR图像小波能量纹理特征和滤波后的灰度组成特征向量对SAR图像进行分割。实验结果表明,该方法是一种有效的SAR图像分割方法。     

基于图割的图像分割方法及其新进展

鉴于图割的理论意义和实际应用价值,系统综述了基于图割的图像分割方法. 首先,深入分析了基于图割的图像分割方法的基本原理,主要从定性和定量角度剖析了图割与能量函数最小化之间的关系, 然后,概括了基于图割的图像分割方法的基本步骤,包括能量函数的设计、图的构造和最小割/最大流方法, 其次,系统梳理和评述了基于图割的图像分割方法的国内外研究现状,最后,指出了基于图割的图像分割方法的发展方向.     

基于多特征的SAR图像的无监督分割

针对合成孔径雷达(SAR)图像灰度变化大、纹理复杂及边界模糊等特点提出了一种基于多特征的sAR图像的无监督分割方法。首先提取了SAR图像的局部矩特征与灰度共生矩阵的统计量(对比度、相关度、嫡、同质性)特征;然后利用主元分析(PCA)的方法对这些有用的特征进行降维处理以得到含有足够类别信息的2维特征;最后使用Mcan Shift方法对具有2维特征信息的像素进行自动聚类。由于Mcan Shift聚类过程中无需提供类别数,因此,这种处理是一个无监督的自动分割过程。采用了多幅SAR图像和13rodatz纹理合成图像做分割实验,结果证明:本方法与单一利用灰度共生矩阵或矩特征的方法相比,分割的准确性明显提高。     

空载SAR发展状况

空载SAR具有提供高分辨率成像的能力,这种能力不受气象条件和太阳照射的限制,其成像范围不受国界、地域和地理自然条件的限制,受到广泛重视,空载SAR经过20多年的发展,尽管数量有限,所提供的信息量却是巨大的,并被广泛应用,为人类提供了大量鲜为人知的信息,概述了空载SAR的用途及发展过程,说明空载SAR的现状和其主要性能,介绍正在发展中的空载SAR项目,分析空载SAR的发展趋势。     

我国近海海洋现象的星载SAR观测

利用ＳＩＲ－Ｃ／Ｘ－ＳＡＲ，ＥＲＳ－１和ＪＥＲＳ－１的ＳＡＲ图像观测中国近海洋现象。分析结果表明：ＳＡＲ图像揭示了海浪，内波，浅海水下地形，海面油膜，表层流场，河口羽流和海面船只等现象，Ｘ－ＳＡＲ观测到了南海东沙群岛附近海区的海浪和内波。在中等海面风速和强潮流的条件下，登州浅滩等浅海水下地菜特征在ＥＲＳ－１ＳＡＲ图像上清晰可辨，从ＳＡＲ海面油膜获得了山东北部海区的表面流场结构并与海流图作了比较，二     

星载SAR船舶及尾迹探测技术研究

星载合成孔径雷达(SAR)对船舶探测作为一种受到普遍关注的获取船舶信息的有效手段,较之其它探测方法有着独特的优点。根据近年来星载SAR领域所取得的成果,对其探测船舶及其尾迹技术进行研究,以期获得较好检测船只及其尾迹的方法。     

基于椭圆轨道的星载SAR面目标原始数据模拟

提出了一种基于椭圆轨道的星载SAR面目标原始数据模拟的方法。首先通过建立椭圆轨道的卫星平台和地球上目标的运动模型,求出卫星平台与目标的距离变化规律,并分析了这个距离与由其它模型得到的距离的不同及其对方位向压缩成像的影响。然后给出了面目标的原始数据模拟的方法,详尽地描述了整个模拟过程。最后给出并分析了原始数据压缩的方法及成像结果。
     

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.     

高分辨率SAR图像道路提取综述

在遥感领域,SAR(Synthetic Aperture Radar,SAR)图像道路提取具有很高的研究意义和应用价值,特别是随着SAR成像技术的不断发展、SAR图像分辨率的逐步提高,该课题的研究更加备受关注。然而,从目前的情况看,高分辨率SAR图像的道路提取研究还不够完善,许多低分辨率SAR图像的道路提取方法在处理高分辨图像时并不适用,因此文中归纳总结了高分辨率SAR图像道路提取的一般流程,列举了一些具体的方法,同时有针对性地分析其优缺点和适用范围,指出该研究课题目前存在的主要问题,并展望其发展趋势。     

基于多尺度特征融合模型的遥感图像建筑物分割

针对传统深度网络模型难以精确提取建筑物边缘轮廓特征及对不同尺寸建筑物无法自适应提取的问题,提出一种膨胀卷积特征提取的多尺度特征融合深度神经网络模型(Multiscale-feature fusion Deep Neural Networks with dilated convolution,MDNNet)对遥感图像建筑物自动分割的方法。首先在ResNet101模型中引入膨胀卷积扩大提取视野保留更多特征图像分辨率;其次利用多尺度特征融合模块获取多个尺度的建筑物特征并将不同尺度的特征融合;最终利用特征解码模块将特征图恢复到原始输入图像尺寸,实现遥感图像建筑物精确分割。在WHU遥感图像数据集的实验结果表明,提出模型有效克服道路、树木和阴影等因素影响,分割结果有效保留建筑物边界细节信息,有效提升分割精度,像素准确率PA达到0.864,平均交并比mIoU达到0.815,召回率Recall达到0.862。     

基于海图信息的SAR影像海陆自动分割

海陆分割是对海洋SAR图像进行船舶检测的基本前提之一,传统的手动分割方法可以很精确,但操作繁琐,速度较慢,不适合于批量图像的处理,而海岸线检测算法抗噪能力较低,对于近海多岛屿地区检测效果较差。提出了一种基于海图信息的SAR影像海陆自动分割方法,该方法利用SAR图像的地理信息,有效地与基于地理先验信息的海洋区域矢量图层相叠加,将对SAR图像的海陆分割问题转换为对矢量图层中多边形矢量元素区域的判断,并使海陆分割问题实现了自动化。最后使用Radarsat-1数据和ALOS PALSAR数据对该方法进行了验证。实验表明,近似自动分割与手动分割效果非常接近,对船舶检测几乎没有影响,且运行速度较快,适于图像的实时处理。