综合灰度与纹理特征的高分辨率星载SAR图像建筑区提取方法研究

高分辨率SAR图像的纹理特性对于图像的解译及地物分类等具有重要的意义。根据高分辨率星载SAR图像上建筑区的纹理有别于其他地物的特点,提出了一种综合利用灰度和纹理特征的高分辨率星载SAR图像建筑区提取方法。首先对SAR图像进行斑点噪声的抑制,然后利用灰度共生矩阵计算出星载SAR图像上建筑区与非建筑区的8种纹理特征统计量,根据巴氏距离进行特征选择,并通过主成分分析去除纹理特征之间的相关性,得到了最佳纹理特征分量,将所选的特征影像与原始图像进行波段组合,利用K均值聚类算法对组合后的图像进行非监督分类;最后通过对分类图像进行后处理并提取外部轮廓,提取了建筑区。以COSMO-SkyMed SAR影像为数据源进行了实验。结果表明该方法能够有效提取高分辨率星载SAR图像中的建筑区,提取效果明显优于未利用纹理特征的方法。     

基于Multi-Path RefineNet的多特征高分辨率SAR图像道路提取算法

为解决现有高分辨率SAR图像道路提取算法自动化较差、普适性不高的问题,提出了一种基于多路径优化网络的多特征提取算法。首先,对SAR图像进行Gabor变换及灰度梯度共生矩阵变换,获取丰富的道路特征信息,联结级联优化网络和残差网络形成多路径优化网络;然后,对SAR原图、获取的低级特征图和标签图进行训练,充分利用每层网络提取的道路特征获取初始分割的道路结果;最后,利用数学形态学运算连接初始道路断裂处并去除虚警。利用所提算法对不同分辨率的SAR图像进行道路提取,实验结果表明,该算法在提取SAR图像道路方面适用范围广且道路提取效果佳。     

基于LightGBM和多光谱—SAR多特征综合的中亚干旱区城市不透水面提取

不透水面是评价城市化水平和城市生态环境的重要指标,是近年来城市遥感研究中的热点方向之一。与湿润、半湿润区相比,干旱区城市植被覆盖度较低,不透水面与裸土、荒漠之间相似的光谱特征导致传统基于光学影像的亚像元分解法与光谱指数法在干旱区不透水面提取的适用性降低。针对该问题,提出一种多光谱与合成孔径雷达（SAR）影像多特征综合的方法以增大不透水面与其他地物覆盖类型之间的特征差异,从而提取干旱区城市不透水面。以阿斯塔纳、塔什干和杜尚别3个中亚城市为研究区,哨兵2号和哨兵1号影像为数据源,通过LightGBM算法对多光谱和SAR图像的空间特征、SAR的极化特征进行分类并提取不透水面。研究对比了不同特征组合以及不同分类方法的不透水面提取结果,实验结果表明：多光谱与SAR影像多特征综合的方法能有效提高干旱区不透水面提取精度,明显改善干旱区其他土地覆盖类型错分为不透水面的问题;LightGBM算法与XGBoost、HistGBT等基于梯度提升决策树的算法和随机森林等方法相比能获取更高的精度,更适用于干旱区不透水面提取。这表明基于LightGBM以及多光谱和SAR多特征联合的方法能够有效提取中亚干旱区城市不...     

PCA-LDA算法在性别鉴别中的应用

结合主元分析(Principal Components Analysis, PCA)与线性鉴别分析(Linear Discriminant Analysis, LDA)的特点，提出用于性别鉴别的PCA-LDA算法。该算法通过PCA算法求得训练样本的特征子空间，并在此基础上计算LDA算法的特征子空间。将PCA算法与LDA算法的特征子空间进行融合，获得PCA-LDA算法的融合特征空间。训练样本与测试样本分别朝融合特征空间投影，从而得到识别特征。利用最近邻准则即可完成性别鉴别。基于ORL(Olivetti Research Laboratory)人脸数据库的实验结果表明，PCA-LDA算法比PCA算法识别性能好，在性别鉴别中是一种有效的方法。     

面部局部特征的独立分量分析及其应用

特征提取方法一直是人脸识别研究中的热点,局部特征分析（Local Feature Analysis）算法不仅能得到面部的全局特征,而且能提取出其局部特征信息,但该算法得到的结果具有过多冗余相关信息不利于识别。由于独立成分分析（Independent Component Analysis）算法能够有效地提取信号的高阶统计特性,很好地去除了各分量之间的相关性。给出了融合这两种方法的特征提取方法,经实验测试表明该算法能有效地提取面部特征。     

基于改进变差函数的高分辨率SAR图像建筑区提取

变差函数是一种简单有效的纹理提取算法,在建筑区提取方面有较好效果,但是易受SAR影像噪声影响、大窗口易造成提取结果边缘模糊、稳健性差。为此本文提出了一种以中值滤波方法为基础的改进算法,不仅保留了变差函数在区分建筑区与非建筑区的优势,而且使窗口取值更加灵活,改善了高分辨率SAR提取建筑区时受强反射点、噪声干扰的缺点。对新方法和现有方法进行了分析和对比,结果表明,改进的方法虚警率及漏检率更低总体误差更小,能够更完整地提取建筑区。     

基于跨接约束的高分辨率SAR 影像与光学影像配准

为了实现高分辨率SAR 影像与光学影像之间自动/半自动配准, 提出了一种新颖、稳健的匹配算法。算法首先利用仿射变换进行SAR 影像和光学影像粗匹配, 简化了整体算法的处理复杂度;然后利用影像边缘稳健性, 使用边缘提取算子分别对SAR 影像和光学影像进行边缘提取, 为后续精匹配做好了数据准备; 最后使用基于边缘纹理跨接约束进行影像之间精匹配, 方法引入了邻域配准约束机制, 很好的解决了经典匹配多峰值效应, 提高了算法稳健性和实用性。以国内机载高分辨率SAR 数据和SPOT 25 PAN 数据为例进行算法验证, 实验结果表明该算法能实现自动/半自动的高分辨率SAR 和光学影像之间的像素级配准。     

结合PolSAR影像纹理特征分析提取倒塌建筑物

利用震后1景极化SAR影像提取倒塌建筑物是一种快速有效的灾害调查手段。倒塌建筑和倾斜建筑物在PolSAR影像中的散射特征相似,易造成建筑物倒塌率的过度评估。由于倒塌建筑和倾斜建筑的纹理特征有较大差异,将利用这种纹理差异来解决倒塌建筑和倾斜建筑的混分问题。通过实验发现均值、同质性、熵及相关性4种基于灰度共生矩阵(Gray-Level Co-occurrence Matrix,GLCM)的纹理特征能够有效区分倾斜建筑和倒塌建筑,故利用这4种纹理特征提取倒塌建筑中混杂的倾斜建筑,从而降低倒塌建筑的虚警率。以玉树地震为例,提取城区的建筑物震害信息,实验证明该方法能够大幅提高建筑物震害评估精度。     

基于图像分块的改进Fisher人脸识别算法

二维方法用于图像矩阵特征提取,虽然速度快,但影响了分类速度。针对二维线性鉴别分析（Two-Dimensional Linear Discriminant Analysis,2DLDA）的特点,研究了一种基于图像分块的改进Fisher人脸识别算法,该算法首先对人脸图像进行压缩降维处理,得到相应的特征矩阵,然后利用改进Fisher算法对特征矩阵进行类间离散度矩阵和类内离散度矩阵的计算,该算法充分考虑了类别信息,避免了传统Fisher算法造成的小样本问题,有效提高了分类速度。基于ORL（Olivetti Research Laboratory）与Yale人脸数据库的实验结果证明了该算法的有效性。     

高分辨率SAR图像线状目标提取方法研究

本文针对高分辨率SAR影像进行城区河流、道路提取的算法研究,提出将纹理、面状和空间区域三种特征结合的方法。首先基于多尺度分析技术,结合面向对象的分割算法提取初始目标,之后使用灰度共生矩阵对目标及周边背景纹理进行差异对比分析去除误目标。与传统边缘检测方法相比,本文方法充分利用高分辨率SAR影像带来的纹理细节信息,并综合考虑目标的多种特征因素,增强了目标提取的可靠性,实用性强。     

全极化SAR影像城区建筑密度分析

针对全极化SAR影像的建筑区特性,提出了一种基于极化特征共生矩阵的城区建筑密度分析方法。首先将极化特征与共生矩阵结合,在考虑建筑区极化散射机理和建筑朝向作用的同时,兼顾了建筑区的空间排列信息,在此基础上为了增强建筑密度的局部区域特性,将共生矩阵特征进行K-means聚类,结合图像分块形成标号直方图统计矢量,进而对该直方图统计矢量进行矢量量化实现SAR影像城区的建筑密度分级。RadarSat-2全极化SAR影像城区建筑密度分析的实验表明,该方法既适用于建筑朝向复杂城区也适用于建筑排列整齐城区的密度信息提取。     

融合2DPCA和模糊2DLDA的人脸识别

结合模糊集理论、双向二维主成分-线性鉴别分析((2D)2PCALDA)的特点,提出一种新的人脸图像特征提取方法。算法首先对人脸图像进行二维主成分分析(2DPCA)处理,再用模糊K近邻算法计算图像的隶属度矩阵,并将其融入到2DLDA过程中,从而得到模糊类间散射矩阵和模糊类内散射矩阵。与(2D2PCALDA相比,该算法充分利用了(2D)2PCALDA的优点,有效地提取了行和列的识别信息,并充分考虑了样本的分布信息。在Yale和FERET人脸数据库上的实验结果表明,该方法识别效果优于(2D)2PCALDA、双向二维主成分分析((2D)2PCA)等方法。     

基于ICA和SVM的SAR图像特征提取与目标识别

提出一种利用独立分量分析和支持向量机的合成孔径雷达图像特征提取与目标识别方法。对图像小波分解后提取低频子带图像,对低频子带图像进行独立分量分析提取特征向量,利用支持向量机对特征向量分类完成目标识别。将该方法用于MSTAR数据中的3类目标识别,识别率最高可达96.92%。实验结果表明,该方法是一种有效的合成孔径雷达图像特征提取与目标识别方法。     

基于高亮特征匹配的双视向SAR图像建筑物高度提取

由于城区场景的复杂性和SAR成像几何畸变的影响,基于单幅SAR图像的建筑物高度提取常常存在很大困难。针对这一问题,利用建筑物目标SAR成像形成的叠掩、二次散射、较强单次散射等散射机制对应的高亮特征非常典型,并且对方向性敏感的特点,提出了一种基于双视向SAR图像高亮特征与几何模型匹配的建筑物高度提取方法。首先分析了建筑物目标的SAR图像散射特征及对雷达视向的敏感性,然后构造了建筑物目标在双视向SAR图像上高亮特征几何模型,然后基于灰度均值、灰度概率分布、边界信息定义匹配函数,并利用多种群遗传算法进行优化求解,最终得到建筑物目标的高度信息。基于模拟和机载SAR图像的试验表明该方法的建筑物高度平均反演误差小于1m,可以有效提高建筑物高度反演的精度。     

纹理图象亮度阈值法提取SAR图象居民地

由于微波辐射的复杂特性，从合成孔径雷达图象上提取类似于居民地复杂结构的目标物的研究仍处于探索中．通过研究居民地对合成孔径雷达(SAR)的微波散射特性，分析居民地在SAR图象上的纹理特征，综合利用纹理分析、模式识别和颜色空间变换技术，提出了一种新的提取雷达图象上居民地的方法．该方法在共生矩阵纹理分析的基础上，选取3个合适的特征分量合成彩色纹理特征图象，再通过HIS变换获得亮度分量，使用亮度阈值分割图象来提取出居民地．此方法的特点是，其受雷达系统影响较小，适应性较强，以二值图象的形式记录居民地的提取结果．试验表明，利用此方法在SAR图象上提取居民地具有70％以上的正确识别率．     

广义统计区域合并的SAR图像浮筏养殖信息提取

目的 海水浮筏养殖是海域使用动态监测中的重要类型,合成孔径雷达（SAR）卫星遥感影像可以克服海洋气象环境的影响,有效反映浮筏养殖区域。由于浮筏养殖信息受乘性相干斑噪声污染严重,为了降低噪声敏感性,改进得到广义局部二值模式（GLBP）,进而将其用于改进广义统计区域合并算法（GSRM）,构建以GLBP_GSRM为核心的多特征集成模型,得到更具纹理一致性的超像素,实现浮筏养殖信息精确提取。方法 根据SAR数据的乘性噪声特性改进局部二值模式算子得到GLBP算子,将其加入GSRM的合并准则中,结合纹理信息的超像素分割能得到更具纹理一致性的超像素,有效抑制相干斑噪声。进而利用非下采样轮廓波变换得到轮廓信息丰富数据特征,使用FCS（fuzzy compactness and separation）算法聚类实现浮筏养殖信息的无监督提取。结果 实验选取辽宁省长海县邻近海域作为研究区域,针对C波段的Radarsat-2 SAR和X波段的TerraSAR图像,分别比较同一图像不同区域和不同图像同一区域的提取结果,结合实地现场调查结果表明所提模型对不同类型SAR图像均能精确无监督地提取浮筏养殖信息,分类精度均高于85%,明显优于经典无监督算法,验证模型的有效性。结论 所提模型充分集成纹理特征、空间特征和轮廓特征,有效解决相干斑噪声干扰信息提取的问题,针对不同类型SAR遥感图像,均能在复杂的海洋背景中实现有效地无监督浮筏养殖信息提取,提高海水养殖自动监测准确度。     

Typhoon eye extraction with an automatic SAR image segmentation method

Spaceborne microwave synthetic aperture radar (SAR), with its high spatial resolution (10–100 m), large area coverage, and day/night imaging capability, has been used as an important tool for typhoon monitoring. Since the microwave signal can penetrate through clouds, SAR images reveal typhoon morphology at the sea surface. Within the region of a typhoon eye, wind speed and the associated sea surface roughness are usually low. Therefore, the typhoon eye can be well distinguished as dark areas in SAR images. However, automatic typhoon eye extraction from SAR images is hampered by SAR image speckle noise and other false-alarm dark features contained in an image. In this study, we propose an image processing approach to extract typhoon eyes from SAR images. The three-step image processing includes: (1) applying an extended non-local means image denoizing algorithm to reduce image speckle noise; (2) applying a top-hat transform to denoized imagery to enhance the contrast; and (3) using a labelled watershed to segment the typhoon eye. Experimental results from analysing three Environmental Satellite SAR typhoon images show that our approach provides fast and efficient SAR image segmentation for typhoon eye extraction. Typhoon eyes are segmented correctly, and their edges are well detected. Our experimental results are comparable to manually extracted typhoon eye information. Fine-tuning of this approach will provide an automatic tool for typhoon eye information extraction from SAR images.     

一种融合KPCA和KDA的人脸识别新方法

核判别分析（KDA）和核主成分分析（KPCA）分别是线性判别分析（LDA）和主成分分析（PCA）在核空间中的非线性推广,提出了一种融合KDA和KPCA的特征提取方法并应用于人脸识别中,该方法综合利用KDA和KPCA 的优点来提高人脸识别的性能。此外,还提出了一种广义最近特征线(GNFL)方法来构造有效的分类器。实验结果证明：提出的方法获得了更好的识别结果。     

基于Gabor变换和Zernike矩的人脸特征提取方法

针对目前常用的三种人脸特征提取方法中存在的识别率低、抗噪性较弱的问题,提出一种基于Gabor变换和Zernike矩的人脸特征提取方法.该方法首先对人脸进行多分辨的Gabor变换,然后利用Zernike矩获得具有平移、尺度、旋转不变性的特征,并用线性判别分析(LDA)方法进一步进行特征选择,最后采用K最近邻分类方法进行人脸的识别.实验结果表明,在与常用的三种人脸特征提取方法的比较中,该方法具有更高的识别率和更强的抗噪性能.     

结合边缘与灰度信息的SAR图像配准算法

同一场景下的合成孔径雷达(SAR)图像的灰度特性由于相关噪声的影响及成像条件不同可能存在很大差异,使得单纯基于边缘特征或灰度信息的方法难以胜任SAR图像配准工作。根据SAR图像的特点,提出一种典型地物边缘形状信息与局部灰度统计信息相结合的基于特征的图像配准方法,弥补了仅利用边缘特征或灰度信息的方法在SAR图像配准中的不足。给出了本方法用于Radarsat图像上的实验结果。