自适应边缘检测最大似然分割算法

由于SAR图像中存在较强的乘性斑点噪声 ,给SAR图像分割造成很大困难。研究了分割SAR图像用的最大似然区域增长分割算法 ,并提出在分割前先利用自适应边缘检测方法获得边缘图 ,然后利用边缘图对图像进行初始分割。理论分析和获得的分割结果证明 ,引入自适应边缘检测后 ,不但在图像的均匀区域能更好地抑制斑点而且可以更好地保持图像的结构信息 ,图像分割效果得到明显改善。     

基于局部与全局信息的活动轮廓图像分割模型

根据贝叶斯分类准则提出了一种改进的基于局部与全局信息的水平集图像分割模型。首先,利用图像的局部信息建立了局部能量项,引导目标附近的演化曲线停在目标边缘上;然后,利用图像的全局信息建立了全局能量项,加速远离目标边缘处演化曲线的演化;最后,提出了一种联合局部能量项和全局能量项的统一的水平集模型架构,提高了分割效率和分割灰度不均匀图像的能力。分割实验结果表明,该改进模型不但提高了对初始轮廓位置的鲁棒性,而且在分割灰度不均匀的图像时也取得了令人满意的分割结果。     

基于运动信息和相位一致性的运动目标提取

提出一种新的时空结合的运动目标分割方法。该算法首先在累积帧差图像上使用改进的高阶统计(HOS)算法检测出运动区域,用最大连通区域表示初始运动目标模板,利用基于Log-Gabor复小波变换的相位一致性边缘检测算法提取出每一帧的单边缘信息,结合初始运动模板与空域边缘图像得到更精确的运动目标模板,最后结合原图像分割出运动对象。实验结果表明该算法能从对比度较小和噪声较大的视频序列中精确地提取出运动目标,且不受光照变化的影响。     

基于局部熵的边界与区域水平集图像分割模型

基于图像局部熵提出了一种改进的结合边界信息和区域信息的水平集图像分割模型。利用局部熵构造自适应权重系数,使其能够根据图像性质自适应的决定演化方向,准确引导演化曲线向目标方向移动;然后,根据自适应权重系数定义新的边界指示函数,提高了模型检测弱边界能力,加快了曲线的演化速度;引入Chan Vese (C V)模型作为外部能量项,提高了模型的抗噪性,增强了模型分割灰度不均匀图像的能力。通过图像分割实验,验证模型对初始轮廓以及噪声的鲁棒性、分割灰度不均匀图像的能力,并采用客观数值指标,将所提模型与另外三种模型在分割效率和分割准确性方面进行比较。结果表明,提出的模型增强了对噪声的鲁棒性,提高了分割弱边界图像的能力,而且分割灰度不均匀的图像时也取得了比较满意的效果。     

一种细胞图像的区域标识算法

细胞图像由于其内在特性,一直是图像分割的难点.为了更好地分割与标识细胞图像,采用双层结构,第1层基于传统的分裂合并算法的思想,引入脉冲耦合神经网络并简化对图像分裂,引入MS模型并简化对分裂区域进行合并,得到一个粗分割图像;第2层利用Canny算子提取图像的边界,将长度大于阈值的边界视作细胞边界,反之视作仂边界,得到一个不连续的边界.最后在两层结果的基础上,利用教学形态学的方法,进行骨架提取与细化,最终得到区域分割与标识的结果.实验用5幅细胞图像作为测试,对算法的参数选择做了详细讨论,并就正确标识率和运行时间与基于区域的分割、基于先验模型的分割做对比,表明本文算法更优.     

基于SNIC的双时相SAR图像超像素协同分割算法

针对面向区域的合成孔径雷达(synthetic aperture radar, SAR)图像变化检测方法中存在的双时相图像边缘和空间对应关系不一致的问题, 提出了一种基于简单非迭代聚类(simple non-iterative clustering, SNIC)的双时相SAR图像超像素协同分割算法。首先, 构造一幅包含双时相SAR图像特征的融合图像, 计算待处理像素点到聚类中心的像素强度相似度和空间距离相似度。其次, 采用一种高效的多尺度弱边缘检测算法, 对双时相SAR图像分别进行边缘检测并融合边缘检测结果。最后, 将像素强度相似度、空间距离相似度和边缘信息进行加权以替代原始SNIC算法中的距离测度, 实现对SAR融合图像的超像素分割, 得到与双时相SAR图像中真实地物边缘均贴合的协同分割结果。基于一组仿真和一组实测双时相SAR图像的超像素协同分割实验结果表明, 该算法的边缘贴合率、欠分割误差和可达分割准确率均优于其他7种经典方法。     

基于同质性分割的图像滤波方法研究

针对图像中存在的噪声,在同质性分割基础上提出了一种新的图像滤波方法.该方法首先利用形态学算子描述图像的不连续性,重新定义同质性,提高了图像的抗噪性.然后利用统计得到的同质直方图,并通过峰值寻找算法得到波峰、波谷,进而对图像进行分割.最后计算不同子区域的灰度均值,对满足条件的子区域进行合并得到滤波图像.实验结果表明,与其它滤波方法相比,该方法在滤除噪声的同时更好地保留了图像的细节和边缘信息,而且对含有不同噪声密度的图像均能得到较好的滤波效果.     

运动模糊图像检测分割盲复原

针对空间变化的运动模糊图像,提出基于单帧图像的模糊检测与分割的盲复原方法。首先,模糊检测生成模糊区域映射图;其次,采用腐蚀和膨胀分别对映射图中的模糊区域与清晰区域处理,利用处理结果标记,并采用分割算法分割图像;再次,分两步估计模糊核,并对模糊区域进行外延扩张,利用估计得到的模糊核进行反卷积去模糊;最后,去除被外延的部分,并与分割得到的清晰区域进行拼接,得到完整的去模糊后的图像。结果表明,算法在人工数据集峰值信噪比(peak signal to noise ratio,PSNR)平均提高10 dB,均方根误差(root mean square error,RMSE)平均降低0.12,自然场景下的真实模糊数据集去模糊结果视觉质量明显提高。此外，该算法在减少模型复杂度的同时也提高了去模糊的质量。     

基于文化算法的C-V水平集图像分割

针对基于梯度变化的水平集图像分割对噪声敏感、不能很好地保持图像中的边缘信息、分割结果依赖初始参数、取得最优解时不能及时结束等问题,提出了一种基于文化算法的水平集图像分割算法,将文化算法应用到C-V(Chan-Vese)水平集模型之中,实现了水平集模型图像分割参数的自动选取,通过信度空间的形势知识和规范知识不断优化指导种群进化,并通过判定图像熵适应度值的变化适时终止分割过程。实验结果表明,本文方法能够准确分割出医学图像的病变区域,在抗噪声性能和分割效率方面明显优于常规方法。     

灰度和彩色图象分割的一种改进算法

图象边缘检测技术是图象处理中最重要的内容之一,且已在图象分析和识别区域中得到广泛的应用。但由于边缘点不连续和难以把存在大量碎边缘的高细节区提取出来这两个原因,而不能直接实现完整意义上的图象分割。为了提高图象分割的边缘准确性和区域一致性以及降低分割错误率,提出用边缘生长的方法来解决不连续的边缘点链接问题,以便间接地将高细节区围成一个区域。该算法也可以嵌入到其他利用边缘信息的分割算法中。     

基于混合Wishart分布MRF分割的极化SAR图像海岸线检测

针对基于Wishart分布马尔可夫场(Markov random field, MRF)海陆分割存在海面和陆地整体区域无法使用单一Wishart分布描述的问题,提出了一种基于混合Wishart分布的极化合成孔径雷达(synthetic aperture radar, SAR)图像海岸线检测方法。该方法首先对极化SAR总功率边缘能量采用两区域Ostu阈值分割得到初始海陆分割结果,然后采用混合Wishart分布描述陆地和海面区域,通过基于混合Wishart分布MRF两区域分割迭代计算实现海陆精确分割。最后对经过水域合并处理的海陆分割结果进行边界跟踪实现海岸线检测。分别使用了RADARSAT2中国海南陵水地区和新加坡部分地区极化SAR数据进行实验,实验结果证明提出方法比基于Wishart分布MRF分割方法更加精确和鲁棒。     

面向变化检测的SAR图像超像素协同分割算法

针对面向对象的合成孔径雷达(synthetic aperture radar, SAR)图像变化检测中存在的多时相图像边界和空间对应关系不一致的问题,提出了一种面向变化检测的SAR图像超像素协同分割算法。首先,分别计算两幅不同时相SAR图像中两个像素点之间的强度相似度,并进行加权组合得到新的像素强度相似度。其次,对两幅不同时相的SAR图像及其对数比值图分别进行边缘提取,以同一像素位置的最大边缘值构造二值边缘图。最后,以融合了像素强度、空间距离和边缘信息的相似度代替CIELAB彩色空间相似度,利用改进简单线性迭代聚类算法对多时相SAR图像进行超像素分割,得到边界准确、空间对应的协同分割结果。基于一组仿真和一组实测多时相SAR图像的协同分割实验结果表明,该方法的边缘贴合率、欠分割误差和可达分割准确率均优于其他4种经典方法。     

基于ROEWA算子局部活动轮廓的SAR图像分割算法

针对经典可变区域拟合(region scalable fitting,RSF)模型无法分割合成孔径雷达(synthetic aperture radar,SAR)图像的问题,提出了一种基于指数加权均值比(ratio of exponentially weighted averages, ROEWA)算子的改进RSF局部活动轮廓模型。算法首先以SAR图像目标边缘的ROEWA算子的负指数函数为边缘指示函数,对区域可伸缩能量项和弧长项进行加权,消除了原模型中梯度算子对于乘性相干斑满布的SAR图像边缘检测失效的弊端,还防止了目标弱边界的泄漏,避免了边界缺失;其次在零水平集演化的偏微分方程中加入权系数可变的面积项,提升了算法在目标边缘处的自适应捕获能力,同时也提高了算法对目标多层轮廓的检测能力,并且最大化地保留了目标的外轮廓;面积项的可变权系数可根据目标的ROEWA算子的模值来自动调整大小,很好地保持了目标的边缘细节。改进算法不受初始轮廓的影响,对相干斑噪声不敏感,且实验证明算法的计算复杂度仅与图像的尺寸有关。通过对合成与真实的SAR图像数据进行实验,验证了所提方法的直观性和有效性。     

基于迭代阈值分割的星载SAR洪水区域快速提取

基于星载合成孔径雷达(synthetic aperture radar, SAR)的洪水区域提取可对洪灾信息进行高效提取。然而, 传统提取方法往往时间复杂度较高, 严重影响了洪灾区域获取的时效性。基于改进迭代阈值分割原理, 本文提出了一种星载SAR图像洪水区域快速提取方法。首先, 对预处理后的SAR图像进行高斯拟合再抽样, 抑制SAR图像直方图异常点的影响。其次, 利用迭代阈值算法进行水体提取, 并基于形态学滤波对噪声进行抑制。最后, 对已识别的水体区域开展变化检测, 实现洪灾区域的提取。基于2020年7月鄱阳湖流域特大洪灾前后的哨兵-1 SAR图像, 本文开展了洪水区域提取对比试验。试验结果表明, 该方法可在保证洪水区域提取精度的同时, 显著提升处理效率。     

基于风格迁移不变特征的SAR与光学图像配准算法

针对异源遥感图像的匹配难题, 提出一种基于风格迁移不变特征的合成孔径雷达(synthetic aperture radar, SAR)图像与光学图像配准算法。首先, 训练SAR图像转换为光学图像的风格迁移网络。然后, 基于风格迁移网络生成人工光学图像及其与原SAR图像之间的差异图, 并利用小波多尺度特性增强人工光学图像和差异图的边缘区域, 二值分割后提取人工光学图像的边缘不变特征。同时, 提取光学基准图像的边缘特征。最后, 通过互相关性准则进行边缘特征匹配, 进而实现原始SAR图像与光学基准图像的精确配准。实验结果表明, 较同类算法, 即使在训练样本不足的条件下, 生成的人工光学图像也能与光学基准图像实现精确配准, 增强了算法的适应性。     

基于语义分割实现的SAR图像舰船目标检测

基于深度学习实现的目标检测方法在自然图像中取得非常大的成功,而将诸多方法运用于合成孔径雷达(synthetic aperture radar,SAR)图像舰船目标检测逐步成为新的趋势.如何将已有方法改进并与SAR图像的特点相结合完成特定的检测任务,已经成为当前主要的研究方向.不同于当前已有方法,本文对存在的深度学习SA...     

基于MN-MEA算法的无人机载SAR相位误差补偿处理

无人机载合成孔径雷达(synthetic aperture radar, SAR),在成像中更容易受到运动误差的干扰,造成图像质量下降。利用三维空间坐标系的斜距方程分离,可以为无人机载SAR成像提供更多的信息，但该方法并未考虑无人机载SAR成像中的运动误差补偿问题。针对无人机载机动SAR成像的相位误差补偿问题,进行相关研究。结合子图像划分,提出了基于迭代分块处理和误差相位初值模型的改进牛顿最小熵(modified Newton minimum entropy, MN-MEA)相位误差补偿算法,进一步校正了残余空变性误差和运动误差,改善成像质量。     

基于MN-MEA算法的无人机载SAR相位误差补偿处理

无人机载合成孔径雷达(synthetic aperture radar, SAR),在成像中更容易受到运动误差的干扰,造成图像质量下降。利用三维空间坐标系的斜距方程分离,可以为无人机载SAR成像提供更多的信息，但该方法并未考虑无人机载SAR成像中的运动误差补偿问题。针对无人机载机动SAR成像的相位误差补偿问题,进行相关研究。结合子图像划分,提出了基于迭代分块处理和误差相位初值模型的改进牛顿最小熵(modified Newton minimum entropy, MN-MEA)相位误差补偿算法,进一步校正了残余空变性误差和运动误差,改善成像质量。