基于C均值分类的极化SAR图像白化斑点滤波方法

极化合成孔径雷达SAR图像相干斑抑制基本原理是依据各通道间的极化信息差异。提出在各极化通道上分别进行非监督C均值分类,在标号图像中对各区域的水平通道平均散射强度、交叉极化通道与同通道强度比以及同极化通道间的相关系数等参数进行估计,将估计值应用到极化白化滤波器(PWF)中,从而得到改进的PWF滤波输出。经真实极化SAR图像检验,表明该方法能够提高传统PWF滤波器在均匀区域对相干斑的抑制能力。     

基于多纹理的合成孔径雷达图像相干斑抑制

相干斑抑制是合成孔径雷达 (syntheticapertureradar,SAR)图像后处理的首要问题。在多纹理假设下 ,采用最大似然方法来同时估计多个极化通道纹理参数。该方法保存了极化信息 ,消除了极化通道间的耦合 ,取得了较好的相干斑抑制效果 ;并与极化白化滤波 (polarimetricwhiteningfilter,PWF)和Lee的最优权值算法作了比较     

基于超分辨极化SAR图像的舰船检测算法

极化合成孔径雷达(synthetic aperture radar, SAR)图像超分辨处理具有聚集目标能量,提高图像分辨率,抑制相干斑噪声的能力。扩展了多通道幅度和相位估计(amplitude and phase estimation, APES)谱估计算法,并以此实现了极化SAR图像的超分辨处理。运用基于K分布的单极化检测器和基于SPAN、PWF的全极化检测器对实测SAR图像进行了舰船检测。通过分析超分辨极化SAR图像杂波统计分布、弱小目标检测性能、目标区域区分精度、目标轮廓及拓扑结构提取效果等,验证了基于多通道APES谱估计的超分辨极化SAR图像的舰船检测性能。     

PolSAR图像的改进非局部均值滤波算法

为了在抑制相干斑的同时更好地保留地物目标的极化散射信息和结构信息,提出了一种基于变异系数(coefficient of variance,C.V)的极化合成孔径雷达(polarimetric synthetic aperture radar,PolSAR)图像自适应非局部均值滤波算法。该算法结合图像子块的统计特性和目标点的极化散射特性筛选同质像素,然后引入C.V自适应选取平滑系数来计算滤波所用的权重,最后对同质像素进行非局部均值滤波。用不同系统采集的PolSAR数据进行的实验结果表明,与精致LEE滤波、NL-Pretest滤波以及最新的滤波方法相比,本文算法不仅能够有效抑制相干斑噪声,而且图像的边缘和极化散射特性也得到了更好地保持。     

基于Kirsch方向模板的SAR相干斑噪声抑制方法

提出一种抑制SAR相干斑噪声的加权平滑滤波方法。该方法利用 8个 3× 3的Kirsch方向模板分别与SAR图像进行卷积运算 ,取其中的最大值作为窗口中心像素的边缘强度值 ,中心像素灰度值的滤波输出为它的 8个邻域像素灰度值的加权平均 ,加权系数为每个像素的边缘强度值。给出了滤波核方程的推导过程 ,分析了滤波原理。将该方法用于SAR图像相干斑噪声抑制 ,并与Lee滤波器的去斑效果进行了比较。实验结果表明 ,该方法具有良好的抑制相干斑噪声效果和较强的边缘保持能力。     

相干斑噪声背景下的SAR图像分类方法研究

研究了相干斑噪声抑制对合成孔径雷达 (SAR)图像分类的影响。分别采用Kuan自适应滤波和小波变换软门限滤波两种方法进行了相干斑噪声抑制 ;对于SAR图像的分类则采用了图像的灰度以及基于灰度级共生矩阵的 4种纹理特征 ,并利用最大似然分类器进行了监督分类。处理结果表明 ,相干斑噪声的抑制尽管可以提高SAR图像的质量 ,但是由于在相干斑噪声得到抑制的同时 ,地物的固有结构信息也受到损失 ,因此分类精度提高甚微 ,在某些情况下甚至有所下降。针对这种情况 ,提出了一种改进的特征提取方法 ,将基于原图像的灰度级共生矩阵提取的纹理特征与滤波后图像的灰度特征进行组合用于分类。实验结果表明 ,改进的特征提取方法提高了SAR图像的分类精度。     

基于典型散射差异指数的PolSAR图像Lee滤波

为提高滤波后极化合成孔径雷达图像的边缘清晰度和保持目标的极化特性,提出了基于典型散射差异指数(typical scattering difference index, TSDI)的PolSAR图像Lee滤波算法。算法根据滤波像素和邻域像素之间的TSDI,采用自适应阈值法筛选出滤波像素的同质像素,然后用同质像素进行Lee滤波。针对筛选阈值,首先利用Parzen窗估计同质区域TSDI概率分布,然后根据估计结果计算阈值。用美国AIRSAR系统和UAVSAR系统采集的极化数据进行实验。实验结果表明该算法相对于精致Lee滤波算法相干斑抑制更加彻底,同时图像边缘清晰度和目标极化特性保持更完好。     

一种基于局域自适应处理的SAR图像降斑算法

合成孔径雷达(SAR)图像所固有的相干斑噪声严重降低了图像的可解译程度,影响了对图像中的目标进行检测和识别,因此SAR图像的相干斑抑制一直是SAR图像应用的重要课题。提出了一种基于局域自适应处理的SAR图像降斑算法,算法根据区域像素点的分布特征自适应调整滤波窗口的大小,在均匀的背景杂波区域内增大滤波窗口来抑制斑点噪声,在包含目标的细节区域内减小滤波窗口,同时采用自适应阈值选择部分像素参加滤波的方法,以便在有效降斑的同时保持边缘和目标细节,最后通过对实际数据的处理验证了算法的有效性。     

基于树型小波和灰度共生矩阵的SAR图像分类

SAR图像包含有相干斑噪声 ,传统的方法不能很好地对SAR图像进行分类。为了能对SAR进行精确分类 ,将图像的灰度和纹理特征 ,空域和频域特征相结合 ,提出了一种新的SAR图像分类方法。该方法采用由树型小波中频纹理能量特征、灰度共生矩阵特征、树型小波滤波后的灰度组成的特征矢量对SAR图像进行分类。实验结果分析表明 ,该方法是一种有效的SAR图像分类方法。     

SAR图像相干斑抑制滤波性能评价

为了评价合成孔径雷达(syntheticapertureradar,SAR)图像相干斑滤波算法性能,提出了一个性能评价体系,其中包含9项指标:等效视数(或平滑指数)、辐射分辨率、信号杂波比损失、信号辐射度损失、均值偏差、空间分辨率损失、边缘保持指数、峰值旁瓣比偏差、积分旁瓣比偏差。该评价体系能同时衡量各滤波算法对相干斑的抑制程度以及对图像原始信息的保持程度。通过用真实图像和模拟SAR图像对典型相干斑滤波算法的检验,表明了评价指标的有效性。     

THE 8~(th) INTERNATIONAL CONGRESS ON INDUSTRIAL AND APPLIED MATHEMATICS

正August 10-14,2015Beijing,ChinaThe International Congress on Industrial and Applied Mathematics(ICIAM)is the premier international congress in the field of applied mathematics held every four years under the auspices of the International Council for Industrial and Applied Mathematics.From August 10 to 14,2015,mathematicians,scientists     

2014 List of Referees

正~~     

《Journal of Systems Science and Systems Engineering》Contents of Volume 23,2014

正~~     

TSINGHUA UNIVERSITY,Beijing, China

正AF:Any Field The School of Economics and Management at Tsinghua University(Tsinghua SEM)invites applications for faculty positions at all levels(Assistant Professor,Associate Professor and Full Professor)in any fields of business administration and management.Tsinghua SEM is the only school     

Call for Papers The 12th International Conference on Service Systems and Service Management ICSSSM'15

正June 22-24,2015Guangzhou,China http://iec.cnsba.com/index.htmlCo-Sponsored by:ffiEE SMC(pending)South China University of Technology The Chinese University of Hong Kong Tsinghua UniversityHosted bv:School of Business Administration,South China University of Technology,China Conference Co-Chairs:     

The 12th International Conference on Service Systems and Service Management ICSSSM'15

正~~