基于半变异函数的多极化SAR图像地表淹没程度分析

洪涝灾害范围的提取能够为灾害的动态监测、评估提取重要的数据。由于半变异函数能够反映图像数据的随机性和结构性,可以很好的体现地物的空间自相关性。而地物在SAR图像上也表现出很好的空间自相关性和纹理特征,各种淹没程度的地物在图像上也表现出不同的空间自相关性,所以将特定窗口下特定步长的半变异函数应用到地表淹没程度分析,证明该方法的可行性。     

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。     

星载SAR舰船检测技术及其在海洋渔业监测中的应用

近年来,利用星载SAR数据对海洋舰船目标进行检测与监视的技术在很多领域得到了广泛的应用。海洋渔业资源保护和渔船监测就是其中的一个重要应用。目前为保护海洋渔业资源,促进其可持续利用,我国也正在进行利用星载SAR对渔船进行监测和管理的研究工作。对国内外公开发表的文献中关于星载SAR舰船检测方面的研究成果进行了总结,回顾并分析了舰船和舰船尾迹检测的常用方法,并说明了星载SAR舰船检测的一般流程。最后对国外利用星载SAR进行海洋渔业检测和资源保护方面的成功案例进行了介绍。希望能够从中得到有益的经验和启发,对我国在利用星载SAR进行海洋渔船监测和海洋渔业资源保护方面的研究和应用有所帮助。     

亚马逊热带雨林星载SAR辐射定标算法

天线外定标是实现星载SAR天线方向图在轨测试的主要手段。天线方向图的准确测量,对星载SAR图像的应用具有重要作用。分布目标辐射定标在星载SAR天线方向图测试中受到广泛重视。亚马逊热带雨林的后向散射系数呈现大面积的均匀性和稳定性,故成为分布目标定标最主要的定标场。该文在分布目标定标原理的基础上,对基于亚马逊热带雨林的星载SAR天线方向图测量算法进行了研究,提出了采用K．Pearson统计量非参数假设检验的一致性处理算法,并采用Levenberg-Marquard算法（LM算法）估计俯仰向天线方向图模型参数。仿真数据验证了算法的可靠性和准确性。     

基于特征转移金字塔网络的SAR图像跨尺度目标检测

SAR图像多尺度目标检测能够实现大场景SAR图像中关键目标的定位与识别,是SAR图像解译的关键技术之一.然而针对尺寸相差较大的SAR目标的同时检测,即跨尺度目标检测问题,现有目标检测方法难以实现.该文提出一种基于特征转移金字塔网络(FTPN)的SAR图像跨尺度目标检测方法.在特征提取阶段采用特征转移方法,实现各层特征图...     

基于三层DS-RVoG模型的输电走廊植被高度检测方法

针对输电线路广域监测技术研究中,传统输电走廊植被高度检测方法效率低、检测范围小的问题,提出了一种基于三层DS-RVoG模型的输电走廊植被高度检测方法.根据极化干涉SAR原理及输电线路不同区段植被密度差异化特点,提出一种三层DS-RVoG植被模型.并基于该模型利用混合蛙跳算法改进三阶段算法反演植被高度,利用模拟极化干涉S...     

强噪声背景下基于非网格MRF的SAR图像快速分割方法

像素级的马尔可夫随机场图像分割算法,在强噪声的SAR图像中难以保证消除斑点噪声的同时不破坏图像的边缘结构.针对此,本文提出了一种新的分割方法,首先将图像划分为若干个内部连通且有良好边缘的小区域块,然后将区域块内像素灰度的均值作为块内每个像素的灰度强度以提高算法的抗噪能力.在迭代优化阶段,用区域块替代像素作为新的处理单元,从而减少处理单元的数目提高算法的运行效率.为验证新算法的性能,将其分别应用于人工合成图像和真实的SAR图像上,并与经典分割算法做比较显示出了本文算法在噪声抑制、边缘保护和运算效率方面的性能.     

基于SAR与Landsat TM的小区域稻田的识别研究——以南京市江宁区为例

以南京市江宁区为研究区域,根据区域特征、作物物候期和水稻的生长特点,采用分层分类的方法提取稻田分布信息。通过比较多时相SAR数据、TM和多时相SAR融合与TM和单时相SAR融合数据识别水稻的精度和提取的水稻种植面积,分析了不同数据对区域多云雨,不同种植方式、面积小且分布破碎的水稻稻田的识别程度,并根据野外实地走访调查分析了主要影响因素。结果表明:多时相SAR数据、TM和多时相SAR数据的水稻识别精度都高于72%,高于TM和单时相SAR融合数据的结果;前两者提取的水稻种植面积和稻田分布接近,主要影响因素是地物分布、不同种植方式水稻物候期和水稻稻田面积小且分布破碎。     

SAR图像数据稀疏性分析及在特征增强中的应用

利用合成孔径雷达(SAR)图像中目标的后向散射特性和目标散射中心的理论,分析了SAR图像数据稀疏性的成因。指出SAR图像的稀疏性与典型散射体的后向散射特性、成像区域目标强散射中心的稀疏性和成像区域的粗糙度等因素有关。根据视觉稀疏表示机制,比较了SAR图像与光学图像稀疏特征在视觉上的差异。然后,分析了稀疏约束在SAR图像分辨率增强中的应用方法。最后,用仿真和实测SAR图像数据验证了稀疏性在特征增强中的作用。     

基于电磁特性SAR图像目标识别模板的建立

针对SAR图像目标识别过程中识别模板形成的缺点和难点,提出了基于电磁散射特性SAR图像目标识别模板的数学模型和成像原理。采用一种混合算法计算了复杂目标的雷达截面(RCS),由目标的散射系数σ或RCS值,通过宽带合成孔径原理求出物体散射特性的空间分布,建立了SAR图像目标识别模板。实验验证了其正确性、有效性,以及具有近实时性、目标姿态连续性和精确性等特点,为快速准确地获取SAR图像中的目标信息提供技术支持。