基于高分辨率SAR的目标识别技术研究

本文以高分辨率SAR在舰船目标识别方面的应用为研究对象,论文首先分析了SAR成像的特点,提出一种基于Radon变换和直方图分析等方法改善舰船目标几何特征提取的性能,在此基础上,结合SAR图像舰船目标分类自身存在的问题和特点,引入稀疏表示理论,提出一种基于特征字典的稀疏表示分类算法,将其应用于Terra SAR-X SAR图像中三类典型舰船目标分类识别,验证了稀疏表示分类对SAR图像舰船目标分类识别的有效性。     

SAR图像的特征提取与目标识别

针对已有的SAR图像自动目标识别方法效果不太好的问题，提出了SAR图像的自动目标识别三种方法，即采用灰度特征的目标识别，采用栅格特征的目标识别，和采用模版特征的目标识别.理论和实验表明，采用模版特征的目标识别效果比较好.     

一种基于子波特征的模糊神经网络目标识别方法

针对雷达目标识别中相对不变特征量提取这一问题，提出了一种基于子波变换的特征提取方法．通过对三类飞机一维距离像的分类和识别，验证了这种方法的有效性，同时在将模糊神经网络作为模式分类器方面做出初步尝试。     

基于颜色及空间信息的图象检索方法

为解决目前的颜色检索方法多没有较好地结合图象的空间分布特征的问题,采用改进的区域增长法对图象进行分割,即先检查各区域的均匀性,对不均匀区域进行分裂。在一定程度上改善了对纹理图象的分割效果。然后根据分割区域的灰度、形状、空间位置等特征计算图象间的相似度。并提出采用图象的灰度特征代替彩色信息以提高查询速度。     

IKONOS图象的城市土地利用信息提取方法研究

目前，高分辨率遥感图象正愈来愈多地应用于土地与水资源的监测和管理，其中，IKONOS图象数据因其具有较高的空间分辨率和人机交互的解译效果．在省市土地利用信息获取及在城市研究中更具有广阔的应用前景．以南京幅的IKONOS图象数据为基础．以城乡接合部的不同试验区为对象，着重讨论了高分辨率遥感图象城市土地利用信息的提取与分类方法其主要思想是先应用常用的多光谱分类算法对试验区的土地利用现状进行初始的类别划分，然后采用Majority Filtering技术获取图象的上下信息，并给你根据地物的形状特征和空间关系对初始分类结果进行校正与调整．研究结果表明，当初始的类别划分能满足一定精度时，采用本所提出的方法能进一步改善高分辨率图象城市土地利用信息的分类效果．     

一种使用（ε,δ）连接区域分割图象的新算法

图象中目标具有相似灰度特征，在分割中，我们应考虑区域的整体灰度以及邻象素灰度的变化，它们依靠于范围参数ε和毗邻参数δ。本文介绍了灰度图象的（ε，δ连续区域及其模糊边缘测度，提出了通过相对模糊边缘度调整（ε，δ）参数，利用（ε，δ）目标连接集分割图象的一种新算法。实验结果表明该算法分割效果较好，提取边缘精度较高。     

基于多尺寸特征叠加的SAR舰船目标检测方法

针对SAR图像中舰船目标的检测问题,单纯基于深度学习的图像处理技术难以达到检测准确性和实时性要求.SAR图像中目标尺寸较小,且易受噪声、光斑干扰,传统方法难以提取精细特征并克服复杂条件下的背景干扰.针对以上问题,设计基于YOLOv3检测框架的端到端检测模型,借鉴了残差模块结构来避免网络退化问题.同时结合深层与浅层的不同尺寸特征图检测,使用目标基础特征提取网络参数来避免重复训练初始化过程.针对SAR图像中海上舰船成像小目标的特点改进优化了神经网络结构,实现SAR海面广域舰船目标识别分类算法,并对检测模型进行轻量化压缩处理.构建SAR图像舰船目标数据集并进行了多次目标检测识别分类实验,体现了提出的检测方法在复杂场景下有可靠的抗干扰能力和准确的目标检测识别性能.     

SAR图像目标识别特征提取与选择方法研究进展

SAR图像自动目标识别在图像情报获取、目标跟踪、战场监视和打击效能评估等方面有着广泛的应用。简要介绍了合成孔径雷达图像解译特点和SAR图像目标自动识别流程,论述了SAR图像目标识别特征提取与选择方法的研究进展,并对目前目标识别特征提取存在的问题进行了分析。     

简单背景下基于灰度图象的人数统计

由于人目标具有不规则的几何外形和随机的活动轨迹，大多数人数识别的文献都试图避开图象特征的提取。通过加入彩色分量，依靠更复杂的后期工作来验证目标的可信度。本文从灰度图象的角度，利用主动轮廓模型，提出人数识别方案，是一种新方法尝试，并在方案设计中考虑到算法的效率和计数综合问题，进一步为低端应用提供条件。     

在印鉴识别中的配准方法

提出了在中文印鉴识别中两幅印鉴图象的配准方法．它包括对印鉴图象的预处理，该方法在保留图象边缘的同时对图象进行了平滑处理，利用聚类算法提取标准和待识别印鉴的特征点集，依据最小均方差变换实现两个点模式的匹配．通过实验获得了两幅印鉴图象的高精度配准结果．     

SAR图像舰船目标的特征识别

详细分析了舰船在SAR图像中的特征;并且根据海上目标所具有的背景单一、结构复杂的特点,提出了利用舰船目标的特征量识别目标类型的新思路,提取了舰船的面积、周长、积分光学密度、欧拉数、长度、主轴方向角、细长度等特征量,给出了相应的提取算法.     

基于小波域中心矩特征的SAR图像识别

为克服合成孔径雷达(SAR: Synthetic Aperture Radar)图像的方位敏感性和平移敏感性给识别带来的困难, 提出一种基于二维离散小波变换与中心矩特征提取的SAR图像目标识别方法。该方法通过对图像的二维离散小波分解提取低频子带图像, 同时提取具有平移不变性的中心矩作为特征向量, 利用支持向量机进行目标分类和识别。实验结果表明, 该方法在有效抑制噪声的情况下, 很好地克服了SAR图像对目标方位的敏感性, 在减少计算量的同时具有较高的识别率。     

基于多任务学习及Faster R-CNN的SAR目标图像识别分类

针对合成孔径雷达(SAR)目标图像识别分类中分类特征利用率低、精度差及图像特征提取时运算复杂、效率差的问题,利用非下采样剪切波变换(NSST)方向敏感性和平移不变性提取SAR目标图像的光谱纹理特征,构建基于Faster R-CNN(region-based convolutional neural network)的可同时完成目标图像识别、鉴别及分类的多任务网络模型。实验结果表明,该方法在有限的SAR图像数据支持下仍有较好的识别率,且算法优于传统的神经网络(NN)、支持向量机(SVM)及基于稀疏表示(Sc SPM)等分类方法。在MSTAR公开数据库上,平均识别率达到98.13%。     

衍射时差图像处理与缺陷识别技术综述

焊缝是压力容器的质量薄弱环节,焊缝缺陷直接影响压力容器的安全运行。衍射时差(TOFD)检测是目前焊缝质量评价的主要手段。随着TOFD成像检测技术的不断发展,TOFD成像结果自动判读的不足,正成为制约TOFD检测规模化应用的障碍。图像处理和缺陷识别是TOFD成像检测的技术关键。本文将TOFD图像处理技术归纳为噪声去除、直通波处理、曲线拟合和图像分割,将TOFD缺陷识别技术归纳为特征提取和模式分类,详细介绍了国内外的相关研究成果,并对TOFD图像分割、特征提取和缺陷分类识别的研究提出建议。     

基于距离度量学习的SAR图像识别方法

针对合成孔径雷达（synthetic aperture radar,SAR）图像样本数据有限,且不同类别间的图像区分度不高导致识别困难的问题,提出一种应用于SAR图像识别的距离度量学习方法.该方法使用CNN网络得到图像的特征分布,利用LSTM网络加强图像间的关联性,基于余弦相似距离度量方法计算图像之间的匹配度,通过注意力机制后对结果进行分类.训练过程结合小样本学习的训练方式,采取预训练的策略进行实验.实验以公开的MSTAR数据集进行SAR图像识别,结果表明该方法准确率达到99.3%,比SVM方法提升2.5%.      

基于人工免疫算法的光学影像与SAR影像配准方法

提出了一种基于人工免疫算法的光学影像和SAR影像配准方法,该方法从影像上的面状地物入手,仅从识别性较好的光学影像上提取面状地物,先随机给定一组配准参数,将光学影像上面状地物的坐标经仿射变换获得新的坐标,以转换后新坐标在SAR影像上对应区域的均质性为评价标准,并利用人工免疫算法对配准参数进行优化,从而得到影像配准结果.最后,利用WorldView-2和RadarSat-2影像的配准实验验证该方法的有效性,结果表明该方法配准精度可优于2像素.     

一种改进的隐含相似性光学和SAR图像配准算法

光学和SAR(synthetic aperture radar)图像信息的互补性和特征表现的差异性使得两者的配准成为目前多源遥感图像处理的研究重点.隐含相似性配准从图像间存在结构上的相似性出发,将传统复杂的特征匹配过程简化为特征点集的迁移和仅需在单幅图像上对配准参数进行迭代搜索的过程,为光学和SAR图像配准提供新的思路.基于上述配准思想,研究用Canny算子改进特征点集提取过程,引入联合马尔可夫模型提高SAR图像去噪质量,以改进后的量子粒子群算法优化配准参数搜索过程,最终实现光学和SAR图像的配准.经实验证明,改进后的隐含相似性光学和SAR图像配准算法能达到像素级甚至亚像素级的配准精度.     

融合目标轮廓和阴影轮廓的SAR图像目标识别

针对合成孔径雷达图像目标识别问题,在基于图像成像模型分析基础上,提出了一种融合SAR目标轮廓和阴影轮廓的目标识别算法.首先提出了一种基于去控制标记符的SAR图像分割算法,得到SAR图像目标轮廓和阴影轮廓,然后用这2种轮廓融合,用傅立叶描述子将二维数据转为一维数据,最后用基于串接准则的融合算法得到识别结果,进行SAR目标识别.基于MSTAR的实验结果验证了本算法的有效性.实验结果证明:目标轮廓和阴影轮廓的结合,除反映本身包含的局部空间结构信息外,还能反映SAR目标的高度信息,较单一轮廓特征,是一种更为稳健的特征.     

基于LVQ神经网络的医学图像识别研究

以医学肝脏CT图为研究对象,设计了一种基于LVQ神经网络的医学图像识别方法。基本思想是首先确定图像ROI区域,并作灰度映射变换。接着提取其颜色、纹理和形状特征构成表征医学图像的特征矢量,最后将特征归一化后利用LVQ神经网络进行识别。通过与其他典型神经网络识别方法的实验比较,结果表明,设计的方法能取得更为理想的识别效果。     

典型目标的合成孔径雷达回波生成与图像仿真

分析了典型目标的合成孔径雷达(SAR)回波与图像仿真对验证SAR成像算法的有效性、开展SAR图像解译和SAR图像自动目标识别等方面的研究具有重要作用,在现有的SAR回波信号和图像仿真方法基础上,提出了一种新的目标SAR回渡信号和图像仿真方法,该方法把目标特性分析的曲面像素法和基于二维傅立叶变换(2DFFT)的SAR回波信号仿真数学模型相结合,采用曲面像素法来计算目标的散射率,用基于2DFFT的回波生成方法来计算SAR回波,实现了典型目标的合成孔径雷达回波生成和图像仿真,并给出了相应的仿真结果,证明了该方法的有效性.