SAR图像舰船目标分割算法研究

针对SAR图像固有的乘性斑噪，把概率竞争网络用于SAR图像分割和水上目标检测，充分利用了图像像素间的空间邻接关系，提高了分割、检测的准确性和有效性，取得较好的结果。     

一种基于马尔可夫随机场的SAR图像分割新方法

该文提出了一种基于马尔可夫随机场(MRF)的合成孔径雷达(SAR)图像分割新方法。在传统MRF的邻域基团势函数基础上,引入了图像邻域中各个像素的强度差值以及像素之间的距离因子,使SAR图像中空间上下文信息得到了更加充分的利用。根据贝叶斯定理将图像分割问题转化为最大后验概率的求取问题,运用迭代条件模型(ICM)算法求得最大后验概率的解。在实验中,将该文提出的方法、传统上使用ICM以及模拟退火(SA)优化方法的MRF分割运用于模拟的SAR图像以及真实SAR图像。比较结果证明,该文的方法在误分率以及抗噪性上更具优势。     

一种柔性自适应SAR 图像目标分割算法

合成孔径雷达(SAR)图像分割是SAR 图像处理的基础,国内外研究者提出了很多行之有效的分割方法。典型的算法如基于单阈值形态学分割算法、基于马尔科夫随机场的分割算法等。然而,考虑实际需求,图像分割需要同时兼顾快速性和准确性,这是当前手段相对缺乏的。文中提出了一种柔性自适应SAR 图像目标分割算法,将峰值点的提取过程与恒虚警率检测算法相结合分割SAR 图像中的目标。该算法可以将散射中心信息融入到目标分割中,同时完成目标分割和峰值点提取,是一种快速而又精确的图像分割算法。最后,该文基于数据集对算法进行了验证,证实了该算法的合理性与可行性。     

基于时间序列最大后验概率雷达目标识别

首次讨论了高分辨率雷达一维距离像的特点，提出了获取较稳定低维特征矢量的方法，指出不同时刻获得的矢量集为多维时间序列．将ＶａｓｓｉｌｉｏｓＰｅｔｒｉｄｉｓ等提出的用于时间序列分类分割算法推广到多维时间序列空间，并对实测的一维距离像进行了识别．初步的模拟结果表明，该方法在雷达目标识别领域具有良好的应用前景．     

超分辨率重构最大后验概率算法介绍

图像超分辨率重构(super resolution reconstruction,SRR)是一个利用序列图像来求解理想图像的逆过程,基本原理就是把各图像上由于亚像素位移而存在的互补信息融合到同一幅图像中,从而达到提高分辨率的目的.我们采用最大后验概率(maximuma posteriori,MAP)算法进行超分辨率重构.根据贝叶斯原理,高分辨率图像的后验概率等价于以下两项之积:已知理想高分辨率图像的前提下,低分辨率图像出现的条件概率;理想高分辨率图像的先验概率.MAP算法的基本思想就是在己知低分辨率图像前提下,使出现高分辨率图像的后验概率达到最大.该方法的优点是在复原过程中可以直接加入先验约束,能确保解的存在和唯一,降噪能力强和收敛稳定性高等.     

SAR图像组合分割算法

由于存在乘性斑点噪声的影响,给SAR图像分割造成很大困难,本文研究利用最大似然区域增长分割算法,提出区域增长前引入自适应边缘检测,图像分割性能获得较大提高.介绍了我们研究的分割性能优异的模拟退火分割算法,提出了分割性能接近模拟退火并且在SAR图像分割中比较实用的模拟退火和最大似然混合分割算法,并给出了这些分割算法的分割性能比较,以及在实际分割SAR图像时应当如何选择分割算法.     

基于扩散方程和MRF的SAR图像分割

该文提出了一种基于图像扩散方程和马尔科夫随机场(MRF)的合成孔径雷达(SAR)图像分割方法。在传统MRF算法的基础之中,引入对图像的扩散,用来平滑SAR图像中的噪声,保护图像中的边缘部分,并且加快收敛的速度。首先对输入的SAR图像进行扩散,通过MRF进行统计,得到图像中各点的后验概率,再对得到的后验概率进行扩散。与传统的MRF算法进行比较,该文的方法较好地去除了误分割斑块,减少算法的运行时间。     

免疫克隆SAR图像分割算法

由于存在相干斑噪声的影响,使得常规的图像分割技术应用于SAR图像时,效果往往较差。该文提出一种新人工免疫系统SAR图像分割算法,算法首先提取每幅图像的纹理特征,并对其进行实数编码,然后通过借鉴生物学免疫系统的抗体克隆选择机理,构造适合于图像分割的克隆算子,以较快的收敛速度优化目标函数。实验结果表明,新算法是一种有效的SAR 图像区域分割方法。     

高分辨SAR 图像中桥梁目标的自动分割

作者沿图像边缘检测的思路,在研究SAR 图像特性的基础上,提出了一种高分辨SAR图像中桥梁目标的自动分割算法,同时提出了一种新的类矩形区域的中轴线搜索算法,使得桥梁目标的图像分割更为方便,并取得了良好的检测效果。     

基于各向异性热扩散方程的SAR图像分割方法

提出了一种非监督SAR图像快速分割算法。该方法利用固体热扩散模型与图像尺度空间的等价性,在SAR图像初始分割的基础上,引入最大后验概率矩阵的各向异性多尺度平滑,在保持图像结构信息的同时滤除斑点噪声对于分割的影响。利用本算法对仿真数据和实测SAR数据分割的结果,均证明了本文方法的有效性。     

基于局部平滑加权图割方法的SAR图像分割

针对合成孔径雷达(SAR)图像分割,提出了一种 局部平滑加权图割(LSWGC,local smoothing weighted graph cut)模型。首先,在加权图割(WGCut)的目标函数中加入局部平滑罚项,提高了基于谱 聚类的SAR 图像分割方法对斑点噪声的稳健性,抑制了SAR图像分割中孤立点的产生;其次,利用WGCut 与加权核 K均值(WKKM)的等价性,LSWGC以不同于参数核 图割(PKGC)方法的核化方式将核映射引入目标函数中,用图 割最优化算法求解标号函数,避免了基于谱聚类的SAR图像分割方法中图谱的求解问题,同 时改善了PKGC方法二类划分易丢失目标的不足。模拟和真实SAR图像的实验结果证实 了本文方案的有效性。     

基于混合模型的SAR影像海陆分割算法

合成孔径雷达(SAR)影像的海陆分割是诸如海洋目 标检测和识别等基于海洋区域SAR影像解译的基础和关键环节之一。为解决复杂背景下遥感 影像海陆分割问题,提出一种基于混合概率模型的海陆分割算 法。首先利用Harris角点检测算法检测出影像中包含角点 的图像子块,进而通过均值漂移(MS,mean-shift)算法对图像子块进行聚类分析得到陆地 区域的 像素样本;然后利用陆地的像素样本,通过最大期望(EM,expectation maximization)迭代 算法拟合出混合模型概率 密度分布的相关参数;最后通过混合概率模型检测出陆地前景区域,得到 海陆分割结果。实验证明,本文方法能够对包含海陆的异质遥感影像实现有效的海陆分割。     

基于区域谱聚类的极化合成孔径雷达图像分割

极化合成孔径雷达(Synthetic Aperture Radar,SAR)经常用于地物图像的分割和分类.实际中监测范围广,需要算法快速有效;地物复杂,需要算法能够处理不均匀地物.针对上述问题,提出了基于区域合并和谱聚类的极化SAR图像分割方法.先对图像进行一个区域合并步骤完成粗分割,产生许多具有相似统计特性的区域块,再对过分割的区域块进行谱聚类.多个场景下的实验表明:所提方法相对于传统针对像素点的谱聚类,运算复杂度低;相对于完全进行区域融合的方法,更能适应不均匀地物和大场景分割.     

一种基于二维最大熵的SAR图像自适应阈值分割算法

MSTAR目标图像分割是研究SAR图像分割的重要内容,基于最大熵原理,利用二维直方图设计适应度函数,借助遗传算法实现自适应阈值选取,以确定每个像素点的归属,经实际图像测试,对于含噪SAR图像中目标、背景和阴影的分割具有很好的效果,抑噪功能强.     

基于Curvelet变换的SAR与可见光图像融合研究

提出了一种基于Curvelet变换的合成孔径雷达(SAR)与可见光图像融合方法,设计了一种有效抑制噪声并充分保留源图像重要特征的融合规则。采用偏差指数、相关系数及等效视数指标对融合效果进行评价。实验证明,该方法明显优于基于小波和Ridgelet变换的融合方法。     

基于图上随机游走过程的SAR图像图谱分割方法

基于图上的随机游走过程,提出了一种新的合成孔径雷达(SAR)图像图谱分割方法。首先根据SAR图像的统计性质,构造了适合于SAR图像的相似度度量函数;然后在正交谱分解和矩阵逼近理论的基础上,建立了SAR图像图谱分割方法中分类数目的确定准则。最后实现了基于谱聚类的SAR图像分割,并通过实验证明了所提方法的有效性和应用潜力。     

一种基于多重分形的SAR图像边缘检测方法

分形维数只能刻画那些具有理想的自相似性的分形体,现实中的许多纹理并不满足这一条件,因此单一的分形维数并不足以描述和刻画SAR图像的纹理,多重分形维数更适合于描述图像的纹理.通过计算原始SAR图像离散点数据的奇异性指数,然后对应每一点奇异性指数计算全局多重分形奇异谱,根据判决准则区分边缘和纹理可以实现SAR图像的边缘检测,实验结果表明,基于多重分形特征的边缘检测算法能够检测到许多局部细节,同时又避免出现不重要的细节,突出了主要的边缘信息,很好地区分出SAR图像的纹理和边缘.     

基于自组织网络的SAR遥感图像的多尺度分割

基于多尺度信息特征和混合模型,将自组织混合网络(SOMN)应用于合成孔径雷达(SAR)图像的分割.首先对SAR图像的多尺度序列进行多尺度随机建模,以此进行多尺度特征提取;然后对其建立混合模型,并经过SOMN进行学习研究得到混合模型的参数;最后再利用Bayesian分类器,对SAR图像进行分割.实验结果表明,本文方法能够充分地利用SAR图像多尺度序列中不同类型地形的统计信息,进而明显地改进了图像的分割质量.     

SAR图像舰船目标检测数据集构建研究综述

算法和数据是影响深度学习技术发展的两大关键因素,大多数学者专注于算法的改进和开拓,仅有少部分学者致力于数据的研究.构建合成孔径雷达(Synthetic Aperture Radar,SAR)图像舰船数据集是SAR舰船目标检测项目的第一步,也是星载SAR图像实际工程应用的基础.分析了影响SAR舰船目标检测性能的关键因素,阐述了SAR舰船数据集的构建方法,概述了TerraSAR-X、"哨兵"1号(Sentinel-1)和高分三号(GF-3)三种SAR图像数据源,并对几种公开的SAR舰船数据集进行梳理与分析,总结了各数据集的发展历程,最后指出构建SAR图像舰船数据集仍需考虑的几个方面.     

一种通用的SAR/ISAR自聚焦方法

首先介绍了我们最近提出的一种ISAR自聚焦新方法AUTOCLEAN(AUTOfocus viaCLEAN),然后对其中的特征提取算法进行了深入研究。研究结果表明,用CLEAN作为特征提取算法是合适的。AUTOCLEAN不仅是一种稳健的ISAR自聚焦方法,而且还可以推广应用到聚束SAR、曲线SAR和机载双天线干涉SAR中的自聚焦处理。