共查询到20条相似文献,搜索用时 156 毫秒
1.
2.
由于合成孔径雷达(SAR)和光学图像两种模态之间存在显著的几何和辐射差异,传统方法难以实现SAR与光学图像的精准匹配。文中提出了一种基于端到端网络机制的跨域稀疏SAR与光学图像精准匹配方法。该方法首先预测每幅图像中最适合匹配的区域,然后通过多尺度特征空间互相关运算生成匹配热图,最后将匹配热图分为正匹配和负匹配来消除异常值,实现SAR与光学图像匹配的精确匹配。实验结果表明,所提方法性能指标优于已往SAR与光学图像匹配方法,可用于大规模场景的精确匹配,利于提升光学卫星图像的地理定位精度。 相似文献
3.
合成孔径雷达(SAR)成像制导通常采用光学基准图和SAR实时图进行特征提取和景象匹配.提出了一种光学/SAR异类影像匹配方法,利用多尺度多方向Gabor模板提取图像的Gabor特征后进行特征匹配,首先对SAR图像进行方向Frost滤波预处理,然后分别计算光学图像和SAR图像的高斯梯度图像,再利用多尺度多方向二维Gabor滤波器模板分别对两幅高斯梯度图像进行特征提取,最后对两组特征矩阵进行归一化互相关匹配.该方法直接利用光学图像和SAR实时图进行景象匹配,实验表明,该异类影像匹配方法较其他传统方法具有较高的鲁棒性和准确性. 相似文献
4.
多光谱和SAR遥感图像融合分类的特征选取 总被引:5,自引:0,他引:5
针对多光谱和SAR遥感图像特征层融合分类的特征选取问题,以Landsat卫星的TM图像和JERS-1卫星的SAR图像融合分类为例,给出了一种基于Rough Set理论的最佳分类特征选取方法. 相似文献
5.
光学图像和SAR 图像的配准是实现多源图像融合和复合分析的基础,该文介绍了一种光学图像和SAR图像精配准的方法。首先采用人工的方式选择3~4 个同名控制点,在此基础上实现图像的粗略配准,保证SAR与光学图像尺度和旋转的归一化;然后在粗配准的光学图像上提取特征点,并分别采用不同的梯度算子提取SAR和光学图像的梯度强度,基于梯度强度进行归一化互相关,从而得到不同图像上的同名特征点;最后根据提取的同名特征点构建不规则三角网,并对每个三角网构成的小面元进行图像的精确配准,最终实现SAR 和光学图像的精配准。通过采用星载图像的精配准处理和检验,证明了该方法的可行性,能获得较好的配准效果。 相似文献
6.
7.
针对多光谱和SAR遥感图像特征层融合分类的特征选取问题,以Landsat卫星的TM图像和JERS—1卫星的SAR图像融合分类为例,给出了一种基于Rough Set理论的最佳分类特征选取方法. 相似文献
8.
图像融合的根本任务是提取图像特征,由于合成孔径雷达(Synthetic Aperture Radar,SAR)图像和多光谱(Multi Spectral,MS)图像存在通道差异,针对现有算法难以充分提取和利用SAR图像的高频细节信息和多光谱图像的低频光谱信息,融合图像存在细节丢失和光谱失真问题。本文提出了一种基于双通道多尺度特征提取和混合注意力的图像融合算法。首先采用双通道网络提取SAR和多光谱图像的多尺度高频细节特征和低频光谱特征,并连续使用不同空洞率的扩张卷积扩大感受野。然后将提取的特征映射到混合注意力模块中进行特征增强,再将这些增强特征与上采样的多光谱图像叠加。同时构建了基于光谱角度距离的损失函数,可以进一步缓解细节丢失和光谱失真。最后通过解码网络重建图像,得到高分辨率的融合图像。实验结果表明,本文算法达到了领先水平,并且融合图像在细节和光谱上保持了较好的平衡。 相似文献
9.
10.
基于局部特征差异的异源图像融合算法 总被引:2,自引:2,他引:0
针对现有异源图像融合多以光学 图像为主、合成孔径雷达 (SAR)图 为辅和 光学图像 极易受 传播媒介 干扰 且 不 能同时保留纹理细节与颜色信息 等 问题, 提出一种新的基于局部特征差异的异源图像融合算法。 首先通 过 自适应分割 将 SAR 图像划分为规则特征区和不规则特征区两个区域;然后 进行 平移不变 离散 小波变换(SIDWT), 再根据 局部特征差异 性 设计 融合规 则,将 SAR 图像与全色遥感(PAN)图像的 小波系数 进行融合 , 以期保留图像的特征 信息与色彩信息 ;最后 通过 信息量 、 清晰度等 客观 评价指标 对 融合结果进行评价与分析 。 仿真实验 证明 了算法的有效性。 相似文献
11.
本文利用军事目标在SAR图像中具有较大的雷达散射截面,后向散射强以及在可见光图像中几何外形清晰的特点,提出一种利用SAR图像和可见光图像多维特征检测目标的方法。该方法分为图像预处理,目标检测和融合检测三部分。首先,利用基于特征匹配的方法对多传感器图像进行配准。其次,利用全局双参数恒虚警(CFAR)方法检测SAR图像中的目标,经过滤波处理后,确定感兴趣区域(Region Of Interesting,ROI)并提取目标的SAR图像特征;将ROI映射到可见光图像中,对该区域进行边缘检测、滤波、连通性分析、提取目标的可见光图像特征。最后,在特征层利用特征向量距离准则融合检测目标。实验结果表明该方法性能优于单传感器检测方法,且能有效的改进目标检测性能。 相似文献
12.
13.
14.
15.
由于高光谱图像存在较高的数据维数,会给分类过程带来一些困难。为了提高分类的准确率,提出了一种使用3D卷积联合注意力机制的高光谱图像分类方法。首先,将中心像素与周围相邻的其它像素进行配对,可以通过配对构成多组新的像素对,充分利用了像素之间的邻域相关性。接着,将像素对放入3D卷积联合注意力机制网络框架中进行分类,它能够对高光谱图像中的特征进行选择性的学习。最后,通过投票策略获得像素标签。实验是在两个真实的高光谱图像数据集上进行。结果表明,所提出的方法充分挖掘了高光谱图像的光谱空间特征,能有效地提高分类精度。 相似文献
16.
17.
针对网上商品图像的特点,提出了一种多特征融合的分类方法。本文针对颜色和商品图案风格两方面对图像进行分类。首先对商品图像进行分割,再提取特征,颜色特征选择提取颜色直方图特征和颜色矩特征;提取PHOG和SIFT特征来描述图案风格。然后采用基于决策的加权融合方法将两种特征结合起来进行分类,最后在数据集上进行实验,与仅用单一特征分类和使用普通多特征拼接方法作比较,使用本文融合特征的方法进行分类准确率较高,并且其准确率有8%~10%的提升。实验结果表明本文提出的方法是一种有效的商品图像分类方法。 相似文献
18.
目标识别是合成孔径雷达(Synthetic Aperture Radar,SAR)图像解译的重要步骤。鉴于卷积神经网络(Convolutional Neural Network, CNN)在自然图像分类领域表现优越,基于CNN的SAR图像目标识别方法成为了当前的研究热点。SAR图像目标的散射特征往往存在于多个尺度当中,且存在固有的噪声斑,含有冗余信息,因此,SAR图像目标智能识别成为了一项挑战。针对以上问题,本文提出一种多尺度注意力卷积神经网络,结合多尺度特征提取和注意力机制,设计了基于注意力的多尺度残差特征提取模块,实现了高精度的SAR遥感图像目标识别。该方法在MSTAR数据集10类目标识别任务中的总体准确率达到了99.84%,明显优于其他算法。在测试集加入4种型号变体后,10类目标识别任务中的总体准确率达到了99.28%,验证了该方法在复杂情况下的有效性。 相似文献
19.
20.
SAR图像中舰船目标稀疏分布、锚框的设计,对现有基于锚框的SAR图像目标检测方法的精度和泛化性有较大影响,因此该文提出一种上下文信息融合与分支交互的SAR图像舰船目标无锚框检测方法,命名为CI-Net。考虑到SAR图中舰船尺度的多样性,在特征提取阶段设计上下文融合模块,以自底向上的方式融合高低层信息,结合目标上下文信息,细化提取到的待检测特征;其次,针对复杂场景中目标定位准确性不足的问题,提出分支交互模块,在检测阶段利用分类分支优化回归分支的检测框,改善目标定位框的精准性,同时将新增的IOU分支作用于分类分支,提高检测网络分类置信度,抑制低质量的检测框。实验结果表明:在公开的SSDD和SAR-Ship-Dataset数据集上,该文方法均取得了较好的检测效果,平均精度(AP)分别达到92.56%和88.32%,与其他SAR图舰船检测方法相比,该文方法不仅在精度上表现优异,在摒弃了与锚框有关的复杂计算后,较快的检测速度,对SAR图像实时目标检测也有一定的现实意义。 相似文献