相似度自适应样本块的高分辨SAR图像阴影修复

高分辨率SAR图像目标阴影可为目标识别提供更多的信息,对SAR图像目标阴影进行修复可以获取完整的目标阴影.采用传统样本匹配方法对SAR图像进行目标阴影修复时会出现阴影区域漏判问题和过渡区域不均匀问题.提出一种相似度自适应样本块的SAR图像目标阴影修复方法.利用SAR图像中目标及其阴影斜距的相对位置关系作为待修复区域的预判依据,有效地解决了阴影区域漏判问题;然后采用相似度自适应样本块的图像修复方法,改善了过渡区域不均匀问题.实验结果表明,本文方法可以有效地恢复高分辨率SAR图像中缺失的目标阴影.     

块自适应标量-矢量量化算法压缩SAR原始数据

块自适应量化(BAQ)算法是目前比较成熟的一种合成孔径雷达(SAR)原始数据压缩算法,该算法以SAR原始数据块满足高斯分布为前提。由于SAR成像区域很复杂,有些数据块可能不满足高斯分布,因此提出了一种块自适应标量-矢量量化算法(BASVQ),当数据块满足高斯分布时,采用标量量化;当数据块不满足高斯分布时,采用矢量量化。实验结果表明,块自适应标量-矢量量化算法在性能上优于BAQ算法,具有一定的实用价值。     

基于自适应编码的SAR浮点模图像数据压缩

提出了一种基于DCT系数分布特征的自适应区域编码方法.从统计分析的角度出发,将8＊8图像块按照对角、垂直、水平和一般特征进行分类,再对照相应的量化表进行定值压缩.通过实验,证明了该方法可取得比较满意的结果.     

基于宏块特征量化的视觉自适应实时监控方法

提出一种新的基于宏块特征量化的视觉自适应实时监控方法，它采用考虑宏块特征空域关系和类似竞争分类的消除干扰策略，由宏块特征量化将对像素点的操作转变为对宏块直方图特征点的操作，通过兴趣点的提取使得对每帧的计算速度成效量级地提高．研究表明，该方法仅使用高、中、低3种外部阈值设置，便可使监控模型在几乎无参数调节下稳定运行，在动态图象序列中，能有效消除日光灯频闪光线、部分运动阴影以及局部小扰动带来的区域干扰．实验结果显示，该方法能够实现对安全防范中闯入类的有效监控，且日标跟踪快捷稳定，具有较高的工程实用价值．     

基于复数小波的相位自适应医学图像信号融合

小波变换具有方向选择性、正交性、可变的时频分辨率、可调整的局部和分析数据量小等优良特性,这些特性使得小波变换成为图像融合的强有力的工具和手段。本文采用复数小波融合医学图像信息,从而提高对图像的感性认识。该方法引入与基于医学图像信号相位特征相适应的加权图像信号集合体,运用图像信号的相位特征自适应地增强每幅图像信号间的信号融合过程中重要的解剖和功能特征。实验表明,与非适应性图像信号的融合方法相比较,该方法可有效改善解剖和功能特征视觉。     

一种基于小波变换与自适应混合量化的新图象压缩算法

本文提出了基于小波变换与自适应混合量化的图象压缩算法，该算法首先将小波变换后的图象高频子带划分为扫描块，然后依据图象的纹理复杂度和重要性程度将这些扫描块划分为4类（平坦，过渡，弱纹理和强纹理）；最后对各类扫描块分别进行向量和标量量化混合编码，实验结果表明，试图象压缩算法在压缩速度，图象复原质量等方面均优于FVQ编码算法和JPEG方法。     

基于提升小波和分块自适应量化的SAR原始数据压缩

利用合成孔径雷达(SAR)原始数据满足局部平稳高斯随机过程的特点和小波变换的多分辨分解消除信号相关性的特性,本文研究提升小波变换和分块自适应量化(BAQ)相结合的SAR原始数据压缩算法.通过对真实的SAR原始数据进行压缩实验,取得满意的效果.     

基于多尺度图像块的SAR图像无监督分割

提出了一种基于多尺度图像块的SAR图像无监督分割方法。在利用高斯混合模型进行图像分割时,大多采用的是基于单个像素的分割方法,这种方法由于未考虑像素周围邻域结点的信息,分割精度往往不高。论文考虑到SAR图像具有很强的斑点噪声,为了更好地抑制斑点噪声对分割结果的影响,在多分辨分析的基础上提出了一种基于多尺度图像块的图像分割新方法。实验表明,这种基于多尺度图像块的分割较在单个像素下多尺度Markov模型的MPM分割好,分割精度有了较大的提高。     

自适应样本块大小的图像修复方法

传统基于样本块的图像修复算法中样本块大小是固定不变的,在修复过程中无法根据图像的具体情况进行调节,这在很大程度上影响了图像的整体修复效果。为了解决这一问题,提出一种自适应确定样本块大小的方法。该算法通过分析图像的梯度域变化,获得各像素点处的结构信息,进而自适应确定待修复样本块的大小。仿真实验结果表明,该算法能够有效克服传统方法中经常出现的诸如结构误传播、图像整体结构丢失等缺点,对具有明显结构变化的图像取得了比较理想的修复效果。     

基于边缘检测的SAR图像自适应区域分割

受相干斑噪声影响,合成孔径雷达（Synthetic Aperture Radar,SAR）图像成像质量低,目标判读困难。针对传统方法对SAR图像分割存在噪声敏感、细节缺失、过度分割等问题,提出一种基于边缘检测的SAR图像自适应区域分割方法。首先引入双边滤波构建级联滤波器,对SAR图像进行保边抑噪;然后建立基于纹理复杂度的阈值估算模型,实现阈值自适应目标SAR图像边缘检测;最后提出基于边缘特征的自适应区域生长分割方法,较好解决了传统区域生长算法对SAR图像分割时出现的过度生长和过度分割之间的矛盾问题。该方法综合利用了SAR图像二维熵、边缘灰度信息、区域灰度信息,实现了对单极化目标SAR图像的自动分割。实验表明,相较于其他传统分割方法,该方法保边抑噪能力更强,目标细节检测更准确,较好解决了SAR图像过分割问题。     

BAQ算法在SAR原始数据压缩中的应用研究

研究了用块自适应量化（BAQ）算法压缩合成孔径雷达（SAR）原始数据,考虑了实际SAR数据的非零均值。文中给出了算法在信号域内的信号对量化噪声比（RSQN）和均方根相位误差这两个性能指标的评估结果;并给出了SAR原始数据经BAQ处理后的成像结果;最后提出了一种可与雷达接收机增益控制电路相结合的、压缩比灵活可变的BAQ方案,适合于在压缩比和图像质量之间作折衷选择。     

A universal adaptive vector quantization algorithm for space-borne SAR raw data

Codebook of conventional VQ cannot be generally used and needs real time onboard updating,which is hard to implement in spaceborne SAR system.In order to solve this problem,this paper analyses the characteristic of space-borne SAR raw data firstly,and then utilizes the distortion function of multidimensional space as criterion,and finally the adaptive code book design algorithm is proposed according to the joint probability density function of the input data.Besides,the feasibility of the new algorithm in cascade with entropy coding and the robustness of the algorithm when error occurs during transmission are analysed based on the encoding and decoding scheme.Experimental results of real data show that codebook deriving from the new algorithm can be generally used and designed off-line,which makes VQ a practical algorithm for space-borne SAR raw data compression.     

星载SAR原始数据普适性分块自适应矢量压缩算法

传统矢量量化器的码本普适性差,需要在线更新,难以在星载SAR系统中实现.文中针对星载SAR原始数据的统计特性,以多维空间上的失真函数为代价函数,根据输入数据的联合概率密度函数设计得到了具有普适性的矢量量化码本,分析了原始数据矢量量化编码以及解码方案.在此基础上,深入研究了矢量量化级联熵编码方案的可行性以及码字索引在信道传输发生误码时算法的稳健性.实际数据处理结果表明,文中算法具有普适性,矢量量化码本的普适性使得码本可以进行离线设计,为矢量量化的星载实用化提供了理论指导.     

Piecewise linear mapping algorithm for SAR raw data compression

When the saturation degree （SD） of space-borne SAR raw data is high, the performance of conventional block adaptive quantization （BAQ） deteriorates obviously. In order to overcome the drawback, this paper studies the mapping between the average signal magnitude （ASM） and the standard deviation of the input signal （SDIS） to the A/D from the original reference. Then, it points out the mistake of the mapping and introduces the concept of the standard deviation of the output signal （SDOS） from the A/D. After that, this paper educes the mapping between the ASM and SDOS from the A/D. Monte-Carlo experiment shows that none of the above two mappings is the optimal in the whole set of SD. Thus, this paper proposes the concept of piecewise linear mapping and the searching algorithm in the whole set of SD. According to the linear part, this paper gives the certification and analytical value of k and for nonlinear part, and utilizes the searching algorithm mentioned above to search the corresponding value of k. Experimental results based on simulated data and real data show that the performance of new algorithm is better than conventional BAQ when raw data is in heavy SD.     

基于惩罚系数自适应修正的SAR图像滤波新算法

合成孔径雷达(SAR)图像存在较强的相干斑点噪声,严重地影响了地物信息的提取与SAR图像的应用效果。提出了一种新的SAR图像斑点噪声滤波算法,该算法以一种基于膜模型的M arkov随机场的近似最优迭代滤波算法(TSPR)为基础,考虑了邻域空间关系对势能函数的影响,并通过在迭代过程中自适应修正惩罚系数,来达到更好的斑点噪声滤波效果。通过对含不同强度斑点噪声的退化图像的对比试验结果来看,该算法在提高处理后图像的信噪比方面,能够取得较TSPR算法更佳的效果。     

基于SAR回波仿真的BAQ压缩性能研究

分析了合成孔径雷达（Synthetic Aperture Radar,SAR）回波的统计特性,引入了基于SAR分布目标回波仿真的方法,研究了分块自适应量化（Block Adoptive Quantization,BAQ）压缩对SAR回波信号特性的影响。然后介绍了BAQ算法原理,以SAR回波的量化噪声因子、相关系数和SAR图像的辐射分辨率为评估指标。利用郊区和城市两幅机载SAR图像进行试验,分析了不同压缩比对两块地形目标的影响效果,试验表明,在保证成像质量的前提下,郊区地形可以采用比城市地区更高的压缩比。     

分块自适应量化算法的FPGA实现

详细介绍了采用FPGA实现分块自适应量化（BAQ）算法的设计方法。该设计选用Xilinx公司100万门FPGA,采用自顶向下的方法,实现了3位长BAQ压缩算法。设计中通过资源共享来降低资源消耗,通过并行和流水来提高处理速度,满足了星载系统小型化、低功耗和高可靠性的要求。与专用DSP方案相比,采用FPGA的实现方案极大地简化了电路设计的复杂性和布线的难度。     

基于Contourlet变换的多波段SAR图像融合

针对不同波段SAR图像的融合,该文提出了一种在Contourlet变换域融合的方法,利用Contourlet变换的充分表示图像边缘信息的能力,将图像分解为低通系数和不同方向的高频系数,对方向高频系数定义一个边缘信息量测指标,选择量测指标大的系数作为融合系数,解决了小波变换融合中图像边缘信息容易丢失的问题。通过对两波段SAR图像进行融合实验并与小波变换融合结果比较,在视觉特性与统计因子客观评价上均取得了更好的效果。     

基于数据融合的SAR图像目标识别算法

目前卷积神经网络已经在SAR目标识别领域得到了广泛应用,然而,由于SAR图像的目标样本数量过少,以及图像相干斑噪声的存在,使得网络不能充分的学习样本深层特征,对网络的识别性能会造成一定的影响.针对上述问题,提出一种基于数据融合的目标识别方法,算法首先对原始图像分别进行噪声抑制和边缘信息提取处理,然后将处理后的两类特征信息进行数据融合,将单通道灰度图像融合扩充至双通道图像来作为训练样本,同时构建了一个高低层特征融合的卷积神经网络模型,使用注意力机制来加强了对有用特征的学习,实验结果显示,该方法在MSTAR数据集上,表现了对不同目标型号的优秀识别效果.