中低分辨率SAR图像桥梁识别方法研究

中低分辨率SAR图像中河流、桥梁目标常存在断裂现象,且桥梁边缘线性特征不明显,现有桥梁目标识别方法难以解决上述问题.为提高中低分辨率SAR图像桥梁识别稳健性,提出桥梁在图像中呈现断裂、河流灰度一致性不高情况下的桥梁目标识别算法.对水域分割结果进行河流粗提取,将河流轮廓外扩部分的相交区域作为桥梁兴趣区,在保证兴趣区完整性的同时减少无效兴趣区;采用目标分割与Radon变换结合的方法检测断裂的桥梁主体;对候选桥梁附近的河流轮廓进行形状验证,消除山体等阴影造成的桥梁虚警.实验结果表明,该方法能够在复杂场景中有效地识别出多个水上桥梁目标,桥梁虚警率大大降低.     

合成孔径雷达图像中桥梁形状的目标识别

识别 SAR图像中桥梁形状目标 ,先对 SAR图像进行预处理 ,排除明显的非目标区 ,增强对目标的识别效果 ,然后在此基础上进行针对桥梁形状目标的处理 ,包括方向比值法和双边参数法 ,可得到较好的识别效果。     

SAR图像舰船目标去旁瓣处理

准确分割出SAR图像舰船成像区域是舰船目标几何参数提取、目标分类识别的基础。受SAR成像机理影响,图像不可避免地存在旁瓣效应,严重影响目标特征提取精度。提出一种舰船目标去旁瓣方法：首先确定目标区域及强散射区域最小外接矩形,在两个外接矩形区域内,根据旁瓣自身特征进行统计分析,删除疑似旁瓣区域,最后对剩余区域重新计算区域参数,获取更准确成像区域。通过对高分辨率机载SAR图像实验验证,该算法能有效去除旁瓣对SAR舰船目标影响,更精确分割出目标真实成像区域。     

基于Top-Hat变换和四叉树分解理论的SAR图像目标检测方法

SAR图像目标检测方法没有固定的范式,是图像分析、理解和解译的基础.针对含有目标的SAR图像,提出一种基于Top-Hat变换和四叉树分解理论的SAR图像目标检测方法.对含有目标的灰度SAR图像,利用Top-Hat变换减小图像的突变,并使用图像的特征均值和特征方差值作为阈值进行动态阈值的四叉树分解.最后根据目标固有的特征对候选的若干区域选择一个真实的目标,并采用X波段SAR图像验证该方法能够有效地实现SAR图像目标区域的检测.     

SAR 村庄目标ROI 提取和异源图像匹配

针对合成孔径雷达(SAR)图像信噪比低且具有相干斑噪声,与光学图像配准时难度较大的现状,提出了一种异源图像村庄目标感兴趣区域(ROI)提取和匹配新方法。首先,对SAR 图像进行中值滤波和偏微分处理,消除噪声干扰;然后,利用灰度共生矩阵的四个纹理参数对整幅图进行计算,判断是否为村庄目标点,并提出局部灰度一致性算法,消除虚警点,增加目标点,完成村庄目标ROI 的粗提取;接着,利用傅里叶描述子对获得的目标ROI 进行二次描述和填充,获得最终待匹配的村庄ROI;最后,利用Hu 不变矩区域特征,结合最小欧氏距离测度和余弦相似度,实现异源图像匹配。实验结果表明,最终获得的配准图像误差较小,配准图像视觉判断比较理想,因而具有较高的可靠性和稳定性以及较高的理论研究价值和广泛的应用前景。     

一种适用于rural区SAR图像目标感兴趣区域获取方法

目标感兴趣区域的获取是目标分类的基础,由大场景图像中快速获取目标感兴趣区域对整个ATR系统的性能提高有较大意义。本文给出了一种适用于rural区的SAR图像目标感兴趣区域获取方法,在分析图像场景灰度统计分布的基础上,利用全局恒虚警率检测算法得到潜在目标区域,然后利用密度、形态学和尺寸滤波器对潜在目标区域聚类并滤除虚警,最终获得目标感兴趣区域。对2048×512像素实际场景的实验结果,应用本文算法4个车辆目标全部被检测且没有虚警,VC代码获取目标区域的总时间小于0.5秒。     

一种利用方位角信息基于峰值匹配的SAR图像目标分类方法

本文研究了基于峰值匹配的SAR图像目标分类问题,给出了一种利用方位角信息基于峰值匹配的SAR图像目标分类方法.该方法先对输入待分类SAR图像进行目标峰值提取,再基于提取的峰值进行目标方位角估计,然后根据该估计及其置信区间由模板SAR图像数据库检索出方位角位于该估计及该估计+180°置信区间内的所有SAR图像,并分别提取其峰值,这样即可通过寻找待分类SAR图像与由模板库检索的模板SAR图像目标峰值间的最佳匹配,实现目标分类.和不利用方位角信息的目标分类方法相比,本文方法显然具有更高的计算效率.另外,如何快速有效的确定待分类SAR图像与每一幅模板SAR图像目标峰值间的对应关系,计算其匹配度,是基于峰值匹配SAR目标分类中的另一个关键问题,针对该问题,本文提出了一种基于匹配代价函数表搜索的SAR图像目标峰值对应关系确定方法,该方法能在得到较好分类性能的同时,有效提高分类效率.实测MSTAR SAR图像数据的分类结果验证了本文方法的有效性.     

SAR图像目标和阴影径向积分特征评估

为了评价理论建模建立合成孔径雷达(Synthetic Aperture Radar,SAR)图像模板的准确性,利用SAR图像中两个典型区域(目标和阴影),建立仿真与实测图像之间相似性的定量评估方法.该方法预先分割出目标和阴影区域,并分别提取目标轮廓、目标强度分布和阴影轮廓的极化映射径向积分特征,基于这三种特征计算仿真图像和实测图像的相关系数.对三种车辆目标(BMP2、BTR70、T72)的仿真SAR图像与运动和静止目标获取与识别(Moving and Stationary Target Acquisition and Recognition,MSTAR)实测SAR图像进行相似性比对和分类识别,结果表明,目标轮廓、目标强度分布、阴影轮廓的极化映射径向积分特征评估方法具有较好的相似性和分类性能.     

基于稀疏表示和道路辅助的单幅SAR图像运动目标检测方法

本文提出一种利用单幅SAR(Synthetic Aperture Radar)图像实现运动目标检测的方法.首先提出一种基于压缩感知的SAR图像道路检测算法:根据SAR图像中道路的特点,使用模糊C均值方法将图像进行模糊分类,获得大致的道路区域,然后利用Hough变换域的稀疏性,用压缩感知精确定位图像中的道路信息.其次利用图像稀疏表示的方法对运动目标进行检测:不同速度运动目标的散焦量和距离单元跨越不同,由此生成样本图像,继而构造超完备字典.将待测图像分块,并计算子图像在字典下的稀疏系数,检测并匹配出运动目标的速度参数.最后,结合已检测出的道路辅助信息,消除多普勒模糊影响,剔除虚假的运动目标,并对运动目标速度参数进行校正.实验结果证明了所提方法的有效性.     

利用灰度和纹理特征的SAR图像分类研究

多类别多特征量情况下的合成孔径雷达(SAR)图像的目标分类是一个难以解决的问题.从灰度和纹理模型出发,提出了综合利用灰度和纹理特征的目标分类方法.均值和方差是灰度模型中重要的特征统计量,而能量、熵、对比度、局部相似性和相关性是纹理模型中重要的特征统计量.灰度和纹理特征能确切地描述SAR图像中的目标.通过构造特征向量,定义向量之间的距离,并按照最小距离方法进行目标分类.以一定大小的窗口读入样本,提高了算法的运行速度和抗噪能力.理论上,窗口越大,特征向量值越接近真实值.窗口越小,边缘的分类精度越高.实验表明该方法较好地处理了多类别多特征量情况下的SAR图像分类问题,分类结果是有效的,这为SAR图像目标分类提供了一条简单可行的途径.     

Si衬底MOCVD生长GaN/InGaN多量子阱缺陷TEM研究

用透射电子显微镜对Si衬底生长GaN/InGaN多量子阱材料进行横断面测试,在衬底和缓冲层区域进行高分辨电子显微成像(HRTEM)、电子衍射衬度成像、选区电子衍射成像,在量子阱附近区域进行了双束近似电子衍衬像对其位错特性进行研究;用场发射扫描电子显微镜对饱和KoH溶液腐蚀前后材料成像.结果发现,AIN缓冲层具有多孔结构,高温GaN层位错平均密度达108cm-2,同扫描电子显微镜得到的六角腐蚀坑密度一致,量子阱以下发现大量位错发生90°弯曲,而使穿过量子阱位错密度大大降低.在线位错中,以刃位错居多,其次是混合位错,所观察区域几乎未见螺位错.     

基于压缩感知的输电线路状态监视图像传输

输电线路状态监测是发现输电线路危险点和监视周围气象条件的重要手段。输电线路穿行于野外,在通信网络覆盖之外的地域只能以手拉手方式传递视频监控画面,为满足现场带宽约束,引入压缩感知方法对监视画面进行压缩传输。另外针对DSP可用内存有限的特点,对监视画面进行分割后再行压缩,显著降低了图片压缩所需内存;在监视主机侧根据接收到的信号,利用梯度投影算法重构监视画面,使得运行人员在监控中心便可全面了解线路危险点的情况,及时采取措施将事故消灭在萌芽状态。     

Analysis of Brain Activation during Motor Imagery Based on fMRI

Brain activation during motor imagery （MI） has been studied extensively for years. Based on studies of brain activations of MI, in present study, a complex finger tapping imagery and execution experi- ment is designed to test the brain activation during MI. The experiment results show that during MI, brain activation exists mainly in the supplementary motor area （SMA） and precentral area where the dorsal premotor area （PMd） and the primary motor area （M1） mainly located; and some activation can be also observed in the primary and secondary somatosensory cortex （S1）, the inferior parietal lobule （IPL） and the superior parietal lobule （SPL）. Additionally, more brain activation can be observed during left-hand MI than during right-hand MI, this difference probably is caused by asymmetry of brain.     

Analysis of Brain Activation during Motor Imagery Based on fMRI

Brain activation during motor imagery (MI) has been studied extensively for years. Based on studies of brain activations of MI, in present study, a complex finger tapping imagery and execution experiment is designed to test the brain activation during MI. The experiment results show that during MI, brain activation exists mainly in the supplementary motor area (SMA) and precentral area where the dorsal premotor area (PMd) and the primary motor area (M1) mainly located; and some activation can be also observed in the primary and secondary somatosensory cortex (S1), the inferior parietal lobule (IPL) and the superior parietal lobule (SPL). Additionally, more brain activation can be observed during left-hand MI than during right-hand MI, this difference probably is caused by asymmetry of brain.     

基于重叠子孔径极坐标算法的波前弯曲效应的补偿

 聚束SAR模式是获得高分辨率雷达图像的一种有效的方法.用经典的极坐标算法重建聚束SAR图像时,波前弯曲效应会导致远离图像中心处的点散焦.本文通过对波前弯曲产生的机理以及经典极坐标算法下空变相位误差的分析,提出了一种可以在成像过程中补偿波前弯曲效应的重叠子孔径极坐标算法,该算法可以有效的增大极坐标算法的成像面积,可以应用于P波段成像和超高分辨率成像中.     

基于数据融合的居民区建筑物重建方法研究

针对美国新奥尔良地区稀疏的LiDAR （Light Detecting and Ranging）点云数据,提出了一种基于LiDAR数据和卫星图像进行融合的居民区建筑物重建方法.该方法利用LiDAR数据点集的边界来定位卫星图像上的感兴趣区域,利用从感兴趣区域中提取的关键提示线来实现屋顶的分割,从而得到属于每个建筑物的屋顶点.然后,基于三角面片的法向量方向信息对其进行聚类,根据法向量之间的关系进行屋顶类型识别,从而实现居民区建筑物的重建.实验表明,该方法在进行居民区建筑物重建时,能达到较高的重建率,且重建所需时间合理,能够满足虚拟现实系统的需要.     

基于卷积神经网络的高分遥感影像单木树种分类

树种调查一直面临着成本高、效率低、精度不高等问题。利用遥感手段能大大提高树种类型调查的工作效率、节省成本;卷积神经网络(CNN)虽然已经在自然图像分类领域取得了许多突破,但是较少有人将CNN模型用于单木树种分类。基于上述考虑,搭建出CNN模型,并与高分遥感影像相结合,进行单木树种分类。在利用高分影像半自动化构建单木树种遥感影像样本集过程中,采用了影像冠层切片(CSI)圈定、人工标注、数据增强等方法;同时为了训练单木树种遥感影像样本集,对5个CNN模型进行针对性改写。通过对比分析发现:LeNet5_relu和AlexNet_mini都未取得最佳分类效果;GoogLeNet_mini56、ResNet_mini56和DenseNet_BC_mini56分别对不同的树种具有最佳分类效果;DenseNet_BC_mini56总体精度最高(94.14%),Kappa系数最高(0.90),是总体最佳分类模型。该研究证明了CNN在单木树种分类中的有效性,能为森林资源调查提供重要的解决方案。     

几何模型约束的SAR图像建筑物提取

利用高分辨率SAR图像进行建筑物提取的常规方法是首先利用二次散射特征线确定建筑物边界, 然后利用叠掩、阴影等散射特征来提取建筑物高度.当建筑物目标走向与星载SAR方位向夹角较大时, 其二次散射特征不明显, 常规重建方法不能取得理想结果.针对这类建筑物目标, 在分析SAR图像上的散射特征为平行四边形条带的基础上, 提出一种基于几何模型约束的建筑物自动提取与三维重建方法.将该方法应用于TerraSAR-X聚束模式图像, 并对提取结果进行了分析和评价, 表明该方法能够有效提取建筑物目标及其三维信息.     

Spatial Reasoning in Remotely Sensed Data

Photointerpreters employ a variety of implicit spatial models to provide interpretations from remotely sensed aerial or satellite imagery. The process of making the implicit models explicit and the subsequent use of the explicit models in computer processing is difficult. In this paper one application is illustrated: how ridges and valleys can be automatically interpreted from LANDSAT imagery of a mountainous area and how a relative elevation terrain model can be constructed from this interpretation. It is shown how an illumination model is being used to explain many of the features of a LANDSAT image. Finally, it is shown how to examine valleys for the possible presence of streams or rivers and it is shown how a spatial relational model can be set up to make a final interpretation of the river drainage network.     

Analysis of multiple geological datasets from the English Lake District

A geological database comprising coregistered Landsat Thematic Mapper (TM) regional multielement stream sediment geochemistry, regional gravity and aeromagnetics, and geological map data has been established, in raster format, for the area of the English Lake District. To study spatial correlations within the database, TM imagery and its first-order structurally enhanced filter derivatives are combined with regional survey data using intensity-hue-saturation transforms and stereoscopic-view generation techniques. These are then overlaid with line and polygon information from other exploration datasets. Datasets are combined in a manner which maintains the identity of each dataset. The imagery produced demonstrates the power of image presentation for efficient multidata analysis.<>