共查询到19条相似文献,搜索用时 173 毫秒
1.
2.
3.
SAR图像变化检测有着广阔的应用前景,但目前的方法普遍以精确的配准为前提,使其适用范围受到限制。针对人造目标在SAR图像上的特点,提出了一种基于目标检测的SAR图像变化检测方法。通过图像中的人造目标之间相对位置关系的相似程度确定图像的变化情况,以此来降低对图像配准精度的要求。实验表明该方法在很宽的配准精度范围内都可获得较满意的结果。 相似文献
4.
针对SAR图像目标的特征,采用新的Hu不变矩和仿射不变矩的组合作为特征矢量,设计了一种基于遗传规划的SAR图像目标识别算法。该方法不需要数据先验知识,通过自身的学习就能快速发现数据和数学表达式之间的联系。通过对MSTAR数据中的3类目标进行仿真实验,获得了较好的识别率。 相似文献
5.
面对日益剧增的城市建筑物,合成孔径雷达(synthetic aperture radar,SAR)图像的建筑物检测作为SAR图像解译的一个分支逐渐成为一项重要的研究课题.对现有的研究方法进行了分类,从基于传统方法的建筑物检测和基于深度学习的建筑物检测两方面入手,对现有SAR图像的建筑物目标检测算法进行了梳理.简述了SA... 相似文献
6.
基于目标的SAR图像压缩关键问题是将自动目标检测与图像压缩算法相结合。提出了以db4小波进行小波域多分辨率恒虚警率(CFAR)检测并嵌入图像编码中,在压缩有损量化前检测出目标区,推导了重要小波系数掩膜公式并据此将每个子带中的系数分成目标与背景两个序列,对目标序列以高比特率ECTCQ编码而背景序列则相反。对MSTAR图像压缩实验结果表明,同一般的SAR图像编码算法W/TCQ相比,低码率下TIC算法目标区SNR高,同时背景信息亦得到保护。 相似文献
7.
8.
9.
针对海洋原始图像与低秩和稀疏矩阵分解模型数据结构不一致的问题,本文提出一种新的基于矩阵分解的海洋SAR图像舰船检测方法。首先该方法需对结构化相似的海洋SAR图像进行重组;然后根据重组矩阵特性适应性设计一个分解精度更高、分解速度更快的新矩阵分解模型,并利用增广拉格朗日乘子法求解模型,在不依赖任何杂波模型和检测统计量的前提下,实现代表舰船目标的稀疏成分的提取;最后利用形态学处理进行优化,实现海洋SAR图像舰船目标的检测。基于高分三号SAR卫星数据的实验结果表明,相比已有的基于鲁棒主成分分析的舰船检测方法,本文方法在处理复杂海况时,能更快速度地以较好的形状从海杂波中准确提取舰船目标,具有更好的鲁棒性。 相似文献
10.
针对合成孔径雷达图像目标在背景复杂、场景较大、干扰杂波较多情况下检测困难的问题,设计一种层数较少的卷积神经网络,在完备数据集验证其特征提取效果后,作为基础特征提取网络使用。在训练数据集中补充复杂的大场景下目标训练样本。同时设计一种多层次卷积特征融合网络,增强对大场景下小目标的检测能力。通过对候选区域网络和目标检测网络近似联合训练后,得到一个完整的可用于不同的复杂大场景下SAR图像目标检测的模型。实验结果表明,该方法在SAR图像目标检测方面具有较好的效果,在测试数据集中具有0.86的AP值。 相似文献
11.
12.
针对SAR图像中村庄目标的纹理和结构特点,提出了一种纹理特征分析和基于村庄结构知识的后处理方法相结合的识别方法.在共生矩阵提取出图像纹理特征的基础上,通过实验选取三个合适的特征,计算特征矢量和样本中心距离来判决目标,以完成初步提取.然后针对道路,植被等目标造成的干扰状况,提出了一种基于计数滤波器和形态学方法的后处理方法对结果进行归整,消除大量虚警.最后根据村庄的结构知识约束,筛选目标,进一步减小虚警率,完成识别并提取出村庄的边缘轮廓结构.实验表明,该方法具有良好的识别效果. 相似文献
13.
14.
15.
16.
17.
18.
基于多维金字塔表达和AdaBoost的高分辨率SAR图像城区场景分类算法 总被引:1,自引:0,他引:1
提出了多维金字塔表达算法, 并使用基于多维金字塔表达的AdaBoost实现了高分辨率合成孔径雷达(Synthetic aperture radar, SAR)图像的城区场景分类. 多维金字塔表达算法首先在局部特征的各维计算金字塔表达矢量, 再将所有的金字塔表达矢量连接起来构成多维金字塔表达矢量. 多维金字塔表达算法克服了金字塔表达算法在处理高维局部特征时, 遇到的输出金字塔表达矢量的区分力受计算效率制约的问题. 本文分别在一个TerraSAR-X图像库和一张大幅TerraSAR-X图像上比较基于金字塔表达的AdaBoost和基于多维金字塔表达的AdaBoost的分类性能. 实验结果表明, 与前者相比, 后者显著提高了计算效率同时保证了分类精度. 相似文献