KM-SVM法的SAR图像无监督变化检测

针对合成孔径雷达（synthetic aperture radar, SAR）图像变化检测获得有标记样本的数量十分有限且困难,传统方法检测率低等问题,提出了一种基于原始特征空间的K-均值和支持向量机(K--means and support vector machine, KM SVM)法SAR图像无监督变化检测。首先,不需要任何先验信息的条件下,利用K- means聚类方法获取差异图像的分类阈值;其次,利用阈值,引入偏移量,自动选取伪训练集和无标签集,并用伪训练集定义SVM的初始决策超平面;最后,用基于统计特征的半监督学习算法和支持向量机相结合对图像进行变化类与非变化类的分类。实验结果表明：该算法优于基于混合高斯分布模型的KI法和基于广义高斯分布模型的KI法,能保持较好的分类、泛化能力和较稳定的检测精度。这些结果表明了文中方法的有效性。     

基于混合学习矢量量化算法的遥感影像分类

在分析了Kohonen自组织特征映射网络(SOFM)和学习矢量量化(LVQ)算法的基础上,提出一种基于改进的SOFM算法和LVQ2算法的混合学习矢量量化(HLVQ)方法,并建立了基于HLVQ的遥感影像非监督和监督分类的一般模型。通过与传统的统计分类方法和LVQ2网络分类器比较,HLVQ分类器总的分类性能更好、识别率更高。     

遥感影像K均值聚类中的初始化方法

遥感影像非监督分类对初始点十分敏感。以K均值(K-means)算法为例,利用各种遥感影像实验比较5种初始化方法(随机法、Forgy法、Macqueen法、Kaufman法、MaxMin法)对非监督分类方法的影响。实验表明,Kaufman法相对于其他方法更稳定,获得分类结果更优,适合于各种遥感影像的非监督分类,并指出可以通过采样来加快Kaufman法的运算速度。同时,通过实验分析了采样数和影像区域对初始化方法的影响。     

基于标注图像的MPEG-4人脸运动参数获取方法

提出了一种基于标注图像的MPEG-4人脸运动参数(FAP)获取方法。首先对人脸进行手工标点,然后使用摄像机拍摄人脸运动序列并录制语音数据,通过图像分割与标记点定位等操作提取标记点位置信息,再根据人脸特征点的几何分布确认标记点对应的三维FDP参数,最后经过计算得到人脸运动参数。将获取的结果数据应用到基于MPEG-4的语音驱动的三维人脸合成与动画系统中,取得了很好的效果。     

非线性优化GM(1,N)模型及其应用研究

GM(1,N)模型在因素一次累加弱化系统指标间波动性和灰性的基础上,建立了各因素线性关系的灰色模型,但其强制性的线性假设以及不够完善的求解方法致使其实际运用较少。 为解决这类问题,文章提出了两个非线性优化的GM(1,N)模型--非线性GM(1,N,x(0)1)和GM(1,N,x(1)1)模型,即在GM(1,N)白化方程的基础上建立因素间非线性关系,并通过BP网络拟合,最终得出拟合结果和预测值。进一步证明了两种非线性GM(1,N)模型均属于GM(1,N)的派生形式,并提出了运用非线性优化GM(1,N)模型进行指标预测的具体方法。 最后通过一个实例进一步表明该模型的可行性与优化性。     

基于模糊测度KNN的多维度数据分类算法

k-近邻(KNN)算法具有直观、无需先验统计知识、无监督学习等优点。多维度数据存在边界模糊性,这导致集合元素隶属关系的不确定,传统KNN算法不能有效地进行分类。本文提出利用模糊测度加强不确定性特征信息的量化,建立基于模糊测度的k近邻分类算法(FM-KNN)。先通过构建证据理论(Dempster-Shafer Theory)模糊测度函数,解决证据理论非单调性等问题;再利用证据模糊测度对多维度属性的不确定信息进行量化计算,通过支持信度确定样本分类规则。通过对比实验表明,在多维度样本数据分类方面FM-KNN算法比其他KNN分类算法有着更好的效果。     

α稳定分布噪声中基于最优核时频分析的跳频信号参数估计

针对传统非线性时频分析方法在跳频(frequency hopping, FH)信号参数估计时,会出现严重的交叉项和参数估计精度降低等问题,引入径向高斯核(radially Gaussian kernel,RGK)时频分析方法,该方法根据FH信号的不同自适应选择最优核函数,从而有效抑制交叉项。RGK时频分析方法可在高斯噪声环境下估计FH信号的参数,但在脉冲性较强的α稳定分布噪声中,该方法性能退化甚至失效。对此,结合最大似然估计理论,提出了一种α稳定分布噪声环境下的加权最大似然广义柯西(weighted maximum likelihood generalized Cauchy,WMGC)滤波的新方法。采用基于WMGC滤波器的RGK时频分析方法(WMGC RGK方法,即WR方法),对该噪声中的跳频信号进行参数估计。仿真结果表明,与基于分数低阶及Myriad的时频分析方法相比,WR方法在α稳定分布噪声中具有良好的鲁棒性和优良的跳频信号参数估计性能。     

喷泉码差分跳频系统在AWGN中抗部分频带干扰性能研究

为了改善差分跳频 (differential frenquency hopping, DFH)系统抗部分频带干扰性能, 提出一种将喷泉码(Fountain code, FC)应用于DFH的喷泉码差分跳频(Fountain code differential frenquency hopping, Fountain DFH)级联编码系统; 在加性高斯白噪声信道(additive white Gaussian channel, AWGN)下研究其抗部分频带干扰性能的改善;对Fountian DFH抗干扰性能在有精确干扰状态信息(jammer state information, JSI)和无精确干扰状态两种情况下进行了理论分析和数值仿真。仿真总频点数M为32, 结果表明:当存在精确JSI信息时, 干扰频点n为32点干扰,误码率为10-4情况下, Fountian DFH系统相对普通DFH系统信干比有2~2.5 dB的性能改善;在干扰频点数n为1时有10~12 dB的改进。当无JSI信息时, 提出一种跳频训练序列的JSI估计译码算法, 使Fountian DFH系统较准确获取JSI信息,具有较强抗干扰能力。     

基于改进半监督朴素贝叶斯的LPI雷达信号识别

针对先验信息残缺的非合作电子对抗背景下的低截获概率雷达信号识别问题,提出一种基于改进的半监督朴素贝叶斯的识别算法。该算法首先提取出4种低截获概率(low probability of intercept,LPI)雷达信号的双谱对角切片作为识别特征;针对传统的半监督朴素贝叶斯(semi-supervised Naive Bayes,SNB)在更新训练样本集过程中会产生迭代错误的不足,利用改进的SNB(Revised SNB, RSNB)算法构建分类器,完成对测试样本的识别。该方法通过在无标记样本集生成的置信度列表中选取置信度较高的样本添加到有标记样本集中,再利用预测后的分类结果对分类器参数(即特征期望向量m i和方差向量σ i)进行改进,有效解决了传统算法分类精度低且分类性能不稳定等缺点。理论分析和仿真结果表明,在LPI雷达信号识别问题,相比于SNB算法和传统的主成分分析加支持向量机法(principal component analysis-support vector machine, PCA-SVM),该算法具有更高的分类识别率和更好的分类性能。     

极化SAR数据的细节保持分割

提出一种保持场景局部细节的极化合成孔径雷达数据非监督分割方法.该方法将传统的基于极化目标分解的极化SAR分类方法与基于马尔可夫随机场的分类方法相结合,利用迭代条件模型方法得到分割结果.为保持细节特征,同时又能对各向同性区域进行平滑,利用总功率(span)图像的场景均匀性对分类结果进行修正.实验结果表明,与已有方法相比,该方法在细节保持方面有一定改进.     

基于分层MRF模型的POLSAR图像分类算法

针对多极化合成孔径雷达（polarimetric synthetic aperture radar, POLSAR)影像由于受到相干斑噪声影响导致分类精度较低,提出了一种基于均值漂移和多尺度马尔科夫随机场的非监督分类算法。该算法首先由Mean-Shift算法得到最粗尺度的初始分类结果,然后由马尔科夫随机场对结果进行优化得到最粗尺度最终分类结果。将上一尺度的分类结果映射到下一尺度作为初始分类结果,然后由Wishart分布对极化协方差矩阵进行建模并采用迭代条件模式（iterative conditional modes, ICM)算法求取基于最大后验下分类结果。逐层映射,最细尺度的结果作为最终分类结果。详细给出了算法的基本原理和实施步骤,并采用E-SAR和AirSAR数据对算法进行了验证。实验表明,与同类算法相比较,算法具有更高的分类精度。     

Polarimetric whitening filter for POLSAR image based on subspace decomposition

Speckle filtering is an indispensable pre-processing step for applications of polarimetric synthetic aperture radar （POLSAR）, such as terrain classification, target detection, etc. As one of the most typical methods, the polarimetric whitening filter （PWF） can be used to produce a minimum-speckle image by combining the complex elements of the scattering matrix, but polarimetric information is lost after the filtering process. A polarimetric filter based on subspaze decomposition which was proposed by Cu et al specializes in retrieving principle scattering characteristics, but the corresponding mean value of an image after filtering is not kept well. A new filter is proposed for improving the disadvantage based on subspace decomposition. Under the constraint that a weighted combination of the polarimetric SAR images equals to the output of the PWF, the Euclidean distance between an unfiltered parameter vector and a signal space vector is minimized so that noises can be reduced. It is also shown that the proposed method is equivalent to the subspace filter in the case of no constraint. Experimental results with the NASA/JPL airborne polarimetric SAR data demonstrate the effectiveness of the proposed method.     

Color-texture segmentation using JSEG based on Gaussian mixture modeling

1.INTRODUCTIONColor i mage segmentation is useful in many applica-tions.Fromthe segmentationresults,it is possible toidentify regions of interest and objectsinthe scene.Avariety of techniques have been proposed,for exam-ple:stochastic model based approaches[1,4,9],mor-phological watershed based region growing[11],energydiffusion[10],and graph partitioning[7].However,due tothe difficult nature of the problem,there are few auto-matic algorithms that can work well on alarge variety ofdata.Th…     

Nonnegative matrix factorization with Log Gabor wavelets for image representation and classification

1.INTRODUCTION Inpatternanalysisandcomputervision,visualrecog nitionofobjectsisoneofthemostchallengingprob lems.Approachestoovercomesuchproblemshavefo cusedonusingseveralmethodologies.Appearance basedrepresentationandrecognitionisoneofthe mostsuccessfullyusedtoday.Itinvolvespreprocess ingofmultidimensionalsignals,suchasimagesof facesandcharactersorspectrogramsofspeech.In fact,thecoreofthepreprocessingisthesocalleddi mensionalityreduction.Thedimensionalityreductionaimstocompress thehighdi…     

SAR images classification method based on Dempster-Shafer theory and kernel estimate

To study the scene classification in the Synthetic Aperture Radar (SAR) image, a novel method based on kernel estimate, with the Markov context and Dempster-Shafer evidence theory is proposed. Initially, a nonparametric Probability Density Function (PDF) estimate method is introduced, to describe the scene of SAR images. And then under the Markov context, both the determinate PDF and the kernel estimate method are adopted respectively, to form a primary classification. Next, the primary classification results are fused using the evidence theory in an unsupervised way to get the scene classification. Finally, a regularization step is used, in which an iterated maximum selecting approach is introduced to control the fragments and modify the errors of the classification. Use of the kernel estimate and evidence theory can describe the complicated scenes with little prior knowledge and eliminate the ambiguities of the primary classification results. Experimental results on real SAR images illustrate a rather impressive performance.     

基于h/q分解和贝叶斯迭代分类的跑道检测算法

提出一种无监督分类的机场跑道检测方法。首先利用h/q分解对原图像中所有像素点进行粗分类,建立初始样本模板;利用初始样本模板对原图像进行贝叶斯迭代分类,得到分类图;结合跑道的极化散射特性、弱回波特性及形态学处理方法,从分类图中提取出疑似跑道区域;最终应用跑道的结构特征进一步辨识疑似跑道区域,检测出真实机场跑道目标。通过美国UAVSAR系统采集的多组全极化合成孔径雷达(synthetic aperture radar,SAR)实测数据验证本文算法的有效性,实验结果说明,所提算法能有效、正确地检测出复杂场景下极化SAR图像中的机场跑道区域,且结构完整清晰,虚警率低。     

一种极化SAR图像模糊分类方法

针对极化合成孔径雷达图像模糊非监督分类问题,给出了一种改进的极化合成孔径雷达图像模糊分类方法。该方法通过引入极化总功率参数--span,改进极化合成孔径雷达图像模糊H/α分类方法,进行极化合成孔径雷达数据模糊H/α/span非监督分类。利用机载极化合成孔径雷达数据进行实验。实验结果表明,改进的方法提高了分类性能,聚类中心更为合理。     

基于l1范数主成分分析的极化SAR图像变化检测

为提高极化合成孔径雷达(synthetic aperture radar, SAR)图像变化检测算法的鲁棒性以及检测精度,提出基于范数主成分分析(linorm principal component analysis,l1-PCA)模型的变化检测算法。首先,采用基于Hotelling-Lawley复矩阵迹变化检测算子构造差异图;其次,采用l1-PCA模型获取差异图的变化信息,使得每个像素以一个特征向量来表示;最后,使用k-means算法对变化信息进行聚类,得到变化检测结果。该方法是一种非监督变化检测方法,相比于基于2范数的PCA检测方法,l1-PCA在特征提取方面具有更高的鲁棒性,并且可以进一步提高变化检测精度。基于RADARSAT-2卫星获取的3幅图像进行的实验结果表明,相较于其他两种典型算法,所提算法更加稳定,精确度更高。     

面向非协作多功能雷达的波形单元提取方法

针对当前波形单元提取技术难以应用于非协作多功能雷达(multi-function radar, MFR)实侦数据的问题, 构建了基于MFR多参数序列的二分类模型, 在此基础上提出了一种自适应确定输入参数的密度聚类算法进行分类。该方法无需依靠MFR波形库的先验知识, 采用无监督学习的方式提取波形单元。同时, 充分利用多参数间的联合变化和数据集的整体分布信息提高算法鲁棒性, 并通过引入输入参数λ可对不同用户需求调整算法性能。仿真实验表明, 该算法可以有效地提取非协作MFR波形单元, 同时能够适应测量误差和脉冲丢失的干扰, 具有良好的鲁棒性和准确性, 有利于实际工程应用。