贝叶斯集成框架下的极化SAR图像分类

对于极化合成孔径雷达(SAR)图像,由于雷达角度和地物形状导致属于同一类的数据可能存在较大的差异性.针对此问题提出了一种基于贝叶斯集成框架的极化SAR图像分类方法.该算法采用贝叶斯集成,通过学习不同个体而获得的分类面来改善极化SAR图像分类性能.首先,输入极化SAR图像,并获得其对应的极化SAR数据及特征.从图像的每一类中任意选择像素点作为图像分类的原始训练样本,并对其进行随机划分获得不同的样本子集.然后,基于获得的样本子集构造对应极化SAR图像的贝叶斯集成框架.最后,通过构造的贝叶斯集成框架对极化SAR图像进行分类.特别在构造贝叶斯集成框架中采用支撑矢量机作为基本的分类器算法.实验结果表明,所提出的算法相比经典的极化SAR分类方法和单个SVM的极化SAR分类方法获得更好的分类性能.     

采用联合相似度谱聚类集成的极化SAR分类

为了降低谱聚类算法尺度参数对分类结果的影响,避免Nystrm逼近导致的分类结果不稳定,提出了一种基于谱聚类集成的极化合成孔径雷达(SAR)地物分类方法.首先,利用像素间的空间关系和极化信息,将基于相干矩阵Wishart距离的相似性测度和基于极化特征矢量欧氏距离的相似性测度相结合,引入马尔可夫随机场势函数,构造谱聚类的相似性矩阵;然后,采用基于Nystrm逼近的谱聚类实现极化SAR数据的单次谱分类;最后,采用集成策略完成对极化SAR图像的地物分类.实验结果表明,该算法提高了分类精度,区域一致性保持较好,且分类结果稳定.     

多极化SAR图像目标的智能识别应用研究

针对小样本集的多极化合成孔径雷达(SAR)图像目标,提出利用迁移学习、多极化SAR图像增广以及网络架构适应性改进,实现了多极化SAR图像目标端到端的智能分类识别;利用实测机载全极化SAR目标图像进行了实验.实验结果表明,与传统机器学习SVM方法相比,基于多极化SAR深度学习方法所包含的多个神经网络隐含层能自适应地提取目标高层语义特征,其目标分类识别精度更高,从而验证了本文深度学习方法用于多极化SAR图像目标识别分类的有效性.     

基于KPCA的多频极化SAR图像信息压缩和噪声抑制

多频极化SAR图像不同的波段和极化方向上存在着冗余信息和相干斑噪声。为此,提出了一种基于核主分量分析(KPCA)的多频率多极化SAR图像信息压缩和抑噪方法。KPCA通过利用"核技巧",对线性PCA进行了非线性的推广。对NASA/JPL 3个波段的多极化SAR图像实验结果表明,相对于线性PCA,KPCA具有更好的信息提取、压缩和噪声抑制作用。     

P波段SAR图像域极化隔离度影响因素分析

为了充分利用极化SAR数据信息,必须对极化SAR图像进行极化定标．针对P波段极化定标后图像域极化隔离度低的问题,分析了背景杂波和相对仰角对极化特性影响;对角反下地面对交叉极化响应机理进行了分析,提出了极化定标相对仰角改善方法．挂飞试验显示该方法有效提升了P波段图像域极化隔离度．     

一种改进的全极化SAR影像面向对象分类方法

面向对象分类过程,首先对图像进行分割得到对象,然后将对象进行分类,分割效果直接影响最终分类精度.针对这一问题,提出一种改进的全极化合成孔径雷达(SAR)影像面向对象分类方法,在分类时首先通过计算各对象内部像元类别比例对对象进行判断,若所有类别比例均没有达到某个阈值,则认为此对象存在分割偏差,对其进行基于像元的分类,反之则进行面向对象分类,最后整合像元级和对象级分类结果.分类算法采用改进分类器动态选择法(ICDS)对差异性较大的3个基分类器Wishart、核-KNN和Wishart-KNN进行决策级融合.以AIRSAR,EMISAR的全极化SAR影像为数据进行分类实验.结果表明:改进算法充分利用了对象级和像素级分类的优点,从而得到高精度的分类结果,该算法具有良好的应用前景.     

一种SAR图像相干斑噪声抑制新算法

为抑制合成孔径雷达(SAR)图像乘性相干斑噪声,同时有效保护SAR图像的边缘特征,给出了相干斑噪声在小波域的一种加性转换噪声模型．并以此模型为基础,提出了一种非下采样小波包分解下自蛇扩散与改进L1-L2联合优化相结合的相干斑噪声抑制新算法．该算法利用非下采样小波包变换对SAR图像进行多层子带分解,然后对低通子带系数进行自蛇扩散滤波,并将滤波处理后的系数作为原SAR图像在小波域的局部均值估计,再以此局部均值为基础,利用改进的L1-L2联合优化对其他各高频子带系数进行自适应软阈值收缩滤波去噪．最后通过重构滤波后的各子带系数实现SAR图像相干斑噪声抑制．实验表明: 与经典的空域Kuan滤波算法、P-M扩散滤波算法及基于非下采样小波变换的Γ-WMAP算法相比,本算法在SAR图像的相干斑噪声抑制与边缘保护方面均取得了较好的效果．     

结合非迭代PPB的快速FCM算法在SAR图像分割中的应用

模糊c均值(fuzzy c means,FCM)算法是一种有效的图像分割算法,但对噪声比较敏感。目前,已有许多适用于高斯、椒盐等加性噪声的FCM改进方法,针对SAR图像乘性噪声的研究较少。文章基于SAR图像噪声特点,提出了结合非迭代PPB的快速FCM算法。首先引入非迭代PPB的滤波权值系数作为像素点间的相似度测量,采用积分图的思想,加速生成对乘性噪声敏感度低的和图像;然后利用统计方向方法,修正和图像的边缘部分,以保持图像的边缘细节信息;最后以修正后和图像的灰度级作为聚类对象进行FCM聚类。经合成SAR图像及真实SAR图像实验验证,文章方法能够快速有效地分割SAR图像。     

基于特征的SAR图像与光学图像自动配准

针对现有配准方法在用于SAR图像和光学图像配准时,存在受SAR图像相干斑噪声影响大,手工选取配准点精度低等缺点,提出了一种基于区域特征提取的图像配准方法．对SAR图像首先进行相干斑噪声抑制,并采用图像分割的方法提取出封闭区域的边界作为特征,然后与可见光中提取的边缘利用闭合区域边缘链码的相关寻求匹配,精确配准的误差达到子象素级水平．实验结果表明,该方法能够以较高的精确度从SAR图像中提取配准控制点,从而实现了多传感器图像的自动配准．     

一种复合的SAR图像去噪算法

针对SAR图像噪声影响分辨率的问题,提出一种新的复合SAR图像增强和去噪方法．该方法首先利用信号的小波相邻尺度相关性将信号和噪声分离,然后根据SAR图像近似瑞利分布的特点把SAR图像转换为近高斯分布,再分别利用复数扩散震动滤波器对SAR图像信号部分进行增强,用各项异性扩散方程对含噪部分进行去噪,最后用小波平稳变换对图像进行重构．实验结果表明,与传统的SAR图像去噪算法相比,新算法在边缘增强和噪声去除能力方面均有显著提高．     

Supervised polarimetric SAR classification method based on Fisher linear discriminant

A supervised polarimetric SAR land cover classification method was proposed based on the Fisher linear discriminant.The feature parameters used in this classification method could be selected flexibly according to land covers to be classified.Polarimetric and texture feature parameters extracted from co-registered multifrequency and multi-temporal polarimetric SAR data could be combined together for classification use,without consideration of the dimension difference of each feature parameter and the joint probability density function of those parameters.Experimental result with AGRSAR L/C-band full polarimetric SAR data showed that a total classification accuracy of 94.33% was achieved by combining the polarimetric with texture feature parameters extracted from L/C dual band SAR data,demonstrating the effectiveness of this method.     

PolSAR快速贝叶斯非局部均值相干斑抑制方法

从单极化合成孔径雷达(SAR)贝叶斯非局部均值算法出发,推导了极化相干矩阵在复Wishart分布下的块相似性度量函数,给出了无先验知识下的极化SAR贝叶斯非局部均值模型,并采用积分图实现了该算法的快速计算.最后,通过机载合成孔径雷达实测旧金山地区的极化SAR数据进行了验证.实验结果表明,文中方法能够有效抑制相干斑的同时,保持了极化特征,并大幅提升了运算效率.     

基于EMD小波阈值化的SAR图像斑点抑制

为有效抑制SAR图像斑点噪声,提出了基于EMD小波阈值化的斑点抑制方法．该方法首先用EMD方法将含斑点噪声的SAR图像分解为若干层基本分量,对前几个分量用小波阈值化方法进行处理,然后重构图像,从而达到抑制斑点噪声的目的．实验结果表明,该方法同小波阈值方法和二维EMD方法相比,去噪效果较明显,在抑制斑点噪声的同时,较好地保持了边缘和细节信息．     

基于Contourlet尺度相关的SAR图像融合

针对不同波段全极化SAR图像的融合,提出了一种基于Contourlet变换域进行图像融合的方法.利用Contourlet变换将图像分解为一个低频子带和多个不同方向的高频子带,对分解后的低频子带进行邻域能量加权融合;对方向高频子带依据尺度间相关性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.最后对两波段全极化SAR图像进行了融合实验.实验结果表明：与小波变换等融合方法相比,利用所提出方法融合后的图像能够明显抑制SAR斑点噪声影响,在视觉特性以及评价指标上效果更好.     

基于极化矢量相似系数的极化Lee滤波改进算法

在相干斑抑制过程中,极化Lee滤波器的纹理保持性受到同性介质选取准确性的较大影响。通过引入极化矢量相似系数作为全极化SAR复图像数据的同性介质选择准则,给出了一种改进的极化SAR相干斑Lee滤波算法。实测数据的仿真实验表明,与极化Lee滤波器相比,改进算法具有较好的相干斑抑制效果,提高了滤波结果的纹理保持能力。     

Improved SMB speckle filtering of polarimetric SAR data with synergistic use of orientation angle compensation and spatial majority rule

The scattering-model-based(SMB)speckle filtering for polarimetric SAR(Pol SAR)data is reasonably effective in preserving dominant scattering mechanisms.However,the efficiency strongly depends on the accuracies of both the decomposition and classification of the scattering properties.In addition,a relatively weak speckle reduction particularly in distributed media was reported in the related literatures.In this work,an improved SMB filtering strategy is proposed considering the aforementioned deficiencies.First,the orientation angle compensation is incorporated into the SMB filtering process to remedy the overestimation of the volume scattering contribution in the Freeman-Durden decomposition.In addition,an algorithm to select the homogenous pixels is developed based on the spatial majority rule for adaptive speckle reduction.We demonstrate the superiority of the proposed methods in terms of scattering property preservation and speckle noise reduction using L-band Pol SAR data sets of San Francisco that were acquired by the NASA/JPL airborne SAR(AIRSAR)system.     

极化SAR图像的多纹理最大似然估计

提出了一种新的极化SAR图像相干斑抑制的方法。该方法在多纹理乘性相干斑噪声模型的假设下,采用最大似然估计法来同时估计多个极化通道的纹理参数。该方法保存了极化信息,消除了极化通道间的耦合,取得较好的相干斑抑制效果;并与极化白化滤波法(PWF)作了比较。     

大气散射校正静态实时偏振图像去雾技术

为了在雾霾天气下实现静态实时图像去雾,研究了大气衰减模型,分析了大气溶胶对成像的影响和大气散的射校正方法,提出了偏振去雾方法的技术原理.利用斯托克斯参数和穆勒矩阵实现原始数据的静态获取,基于偏振测量结果实现天空区域的实时提取,通过提取结果定性和定量分析,找到了偏振角范围和大气散射光强度阈值的规律性,实现了静态实时偏振去雾.静态实时偏振去雾方法将原始数据由不确定的偏振图像改变为固定的偏振图像,克服了对手动操作和主观评价的依赖,简化了去雾流程,解决了复杂的全局参数估计问题,提高了图像复原的准确度.所提出的静态实时偏振去雾方法为雾霾天气下高分辨、高稳定性和高实时性成像提供了新的理论和技术手段.     

基于极化功率比与极化熵的目标分类方法

雷达极化是一种有力的信息增强技术,可以提供丰富的目标信息。文章推导了极化散射矩阵的相干矩阵特征值与极化功率比和极化熵之间的关系,利用极化测量得到的雷达后向散射系数将极化功率比和极化熵联系到一起,并将此种联系在极化SAR图像地物目标分类中的应用做了分析。     

一种改进的高分辨极化SAR相干斑抑制算法

SDAN-FP算法在高分辨极化SAR相干斑抑制方面具有潜在的应用前景,但是该算法的同质区域选择方案未考虑地物极化散射特性。为提高同质区域选择的准确性,首先用及时更新功率后的SDAN方案对每一个待估像素自适应地选择同质区域;然后引入主散射机理判别机制进一步优化同质区域;最后估计得到极化相干矩阵,从而实现了更为有效的高分辨极化SAR图像相干斑抑制。基于仿真和实测极化SAR数据的相干斑抑制实验验证了文章算法的有效性。