多时相星载SAR图像精配准技术研究

介绍了一种多时相星载SAR精配准的技术方法，首先根据人工粗配准解决图像的旋转和尺度不一致，然后采用特征点提取算子和图像匹配的方法检测两时相SAR图像上的同名特征点，根据特征点构建不规则三角网最终实现图像的精确配准。通过多对星载SAR图像进行了精配准处理，采用定性和定量检验，表明该方法能达到很高的配准效果，配准精度优于一个像素。

     

高分辨率SAR图像地物分类算法研究

本文给出了一种关于高分辨率、单极化Synthetic Aperture Radar(SAR)图像目标分类的完整算法.首先,利用基于改进的相关邻域模型的Radar Cross-Section(RCS)重构算法进行目标和阴影检测,通过非线性积累把图像分割为“阴影区”、“背景区”和“目标区”;接着通过形态学算子进行地貌滤波和边缘提取,应用改进的Hough变换和细线化措施进行线段的连接和编组;最后利用空间联合位置模型进行目标的分类.     

基于邻域均方连续差分的SAR图像边缘提取算法

该文提出了一种基于邻域均值连续差分平方和(均方连续差分)的SAR图像边缘提取算法。首先,将像素邻域滑动窗口分成多个互不重叠的子区域,采用邻域均值差分平方和作为边缘强度的衡量因子,从理论上证明了该算子可以消除区域亮度对边缘强度估计的影响,具有恒定虚警率的特性,同时较好地估计边缘方向。然后,根据边缘走向对边缘强度图像进行边缘细化,消除真实边缘附近的虚假边缘,并提出一种基于平均强度变化率的自适应双阈值连接方法提取SAR图像中边缘。仿真和实测SAR图像的实验结果表明,该文提出的算子在SAR图像的边缘检测中表现出较好的性能,具有较高检测率和边缘定位精度,边缘线段的连续性保持也较好。     

一种基于DTW改进的轨迹相似度算法

针对传统的轨迹相似度计算方法无法区分现实采集到的轨迹中由噪声带来的差异和真实的不相似部分的问题，基于动态时间规整（dynamic time warping,简称DTW）算法，提出了一种改进的轨迹相似度的计算方法。并对最后的结果进行了归一化处理，便于人们直观理解，同时也可用于对多对轨迹之间的相似性进行排序，从而可以在数据挖掘的相关应用中得到有效利用，同时对计算过程也进行了优化。在现实采集到的数据上的测试表明这种方法对噪声和异常点是鲁棒的，对轨迹的采样频率等参数没有任何要求，而且可以适用于仅获得轨迹的部分片段的情况，并且在区分轨迹的相似和不相似部分方面较之前的方法准确度有了很大提升，即使轨迹的采样较为稀疏的前提下依然如此。     

一种非监督的事件触发词检测和分类方法

事件触发词检测和分类是事件抽取中至关重要的第一步。传统的抽取和分类方法往往倾向于监督学习方法，如条件随机场、SVM等，但由于这类方法需要繁重的人工标注且受限于预先定义好的类别，因此很难在开放领域中得到应用。提出了一种非监督的事件触发词检测和分类方法，利用主题模型获取候选触发词在主题上的分布，然后利用二值状态自动机模型捕获高概率的主题，从而筛选出真正的事件触发词和相应的分类。在大规模的未标注新浪新闻数据集上的实验结果充分验证了本文方法的有效性。