基于水域跟踪的极化SAR图像桥梁检测

从精确的分割和连通桥梁跨越水域角度出发,该文提出一种基于水域跟踪的极化合成孔径雷达(polarimetric synthetic aperture radar,POL-SAR)图像桥梁检测方法。该方法首先使用极化SAR水平集分割方法实现精确的水陆分割,然后通过分支水域扫描及跟踪实现与桥梁检测相关各分支水域的连接,最后提取水域轮廓特征点确定桥梁端点,进而根据桥梁端点确定桥体区域实现桥梁检测。使用新加坡地区和中国海南陵水地区RADARSAT-2极化SAR数据进行实验,实验结果表明:该算法检测正确率高,且在大场景范围内实现了极短桥梁检测。     

基于小波变换及GVF模型的SAR图像轮廓提取算法

给出一种基于小波变换及GVF模型的SAR图像轮廓提取算法.首先,对SAR图像进行预处理,分割出可能的目标片;其次,利用小波多尺度分析滤波和基于梯度矢量流的主动轮廓模型进行边缘点的连接,得到真实轮廓.实验结果表明该方法能较好地提取SAR图像的轮廓.     

基于均值漂移的海岛(礁)岸线快速提取

为了解决海岛(礁)岸线提取的自动化问题,提高海岛(礁)岸线提取的速度与精度,提出了基于均值漂移的海岛(礁)岸线快速提取方法。首先在保证影像整体轮廓的同时构建低分辨率影像,从而缩短算法的运行时间;然后利用均值漂移技术进行高斯低通滤波处理,提高算法的抗噪性;最后通过区域增长法自动选择种子点,结合区域合并差异性度量准则实现对遥感影像的形状和颜色的识别,从而完成对海岸线的自动提取。使用该方法对海岛(礁)影像进行了海岛(礁)岸线提取实验,实验结果表明,该算法能够实现所有岛礁岸线的自动提取,相比于通过人工方式,提取时间从729s缩短为3s,极大地缩短岸线提取的时间,同时能较好地满足成图效果。     

一种改进SIFT的SAR与可见光图像配准算法

针对合成孔径雷达(synthetic aperture radar,SAR)图像与可见光图像配准存在特征点提取困难、匹配效率不高的问题,文章提出了一种基于非下采样Shearlet变换(non-subsampled shearlet transform,NSST)与改进的尺度不变特征变换(scale invariant feature transform,SIFT)结合的配准算法。该算法采用NSST变换来提取图像低频信息作为后续检测特征点的原始图像,在保证特征点提取数量的同时提升算法运行速度;选用Harris算子和指数加权平均值(ratio of exponentially weighted averages,ROEWA)边缘检测算法相结合的方法提取SAR图像特征点,改进传统SIFT算法在SAR图像特征点提取时鲁棒性较差的问题;采用快速近似最近邻搜索(fast library for approximate nearest neighbors algorithm,FLANN)与改进的随机抽样一致算法(random sampling consensus algorithm,RANSAC)完成特征点匹配与误匹配剔除。选用GF-1号与GF-3号图像作为实验数据,并与传统SIFT算法进行对比。结果表明,该算法在特征点提取数量与配准精度上相比于传统算法均有明显提高。     

面向特征识别的SAR与可见光图像融合算法研究

合成孔径雷达(synthetic aperture radar,SAR)图像与可见光图像由于成像机理的不同,图像差异较大,传统融合算法不利于地物目标特征的解译与识别,难以满足应用的需求。基于此,文章结合SAR与可见光图像的成像特征,提出了一种基于相位一致性特征检测的自适应HIS(hue-intensity-saturation)融合算法,该算法首先利用相位信息区分目标轮廓和纹理边缘,提取SAR图像的空间特征信息,能有效地避免过量纹理边缘的提取。自适应HIS算法能调节2个图像之间的灰度相关性,实现加入信息的平滑过渡,减少光谱扭曲。实验以哨兵1号C波段SAR图像与Landsat8可见光图像进行验证,并与传统的HIS、主成分分析(principal component analysis,PCA)、小波以及目前较为主流的NSCT(nonsubsampled contourlet)算法进行比较,结果表明:该算法能有效地加入可见光图像不易察觉的特征信息,实现了融合图像在光谱保持和空间结构与特征保持上较好的权衡,提高了图像的地物检测与目标识别的能力。     

面向极化SAR图像配准的极化特征

不同波段的极化合成孔径雷达(SAR)图像间的配准,是多波段极化SAR数据融合中的一个重要问题。该文从地物的极化散射机理出发,提出了一种适用于尺度不变特征变换(SIFT)配准算法的极化特征。该特征包含了地物目标主要散射成分的信息,并反映了其他弱散射成分的强度分布,可在不同波段极化SAR图像中保持稳定。实验结果表明:与使用散射总功率(Span)实现多波段极化SAR图像配准的方法相比,该特征在不同波段下的差异较小;使用SIFT算法配准后,该特征图像可得到更多的关键点和正确配准点,且配准点的分布较分散,从而有效地提高了多波段极化SAR图像的配准性能。     

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.     

几何活动轮廓模型用于高分辨率遥感影像海岸线自动提取

潮湿的潮滩以及近陆浑浊的海水往往使得遥感影像中的海岸线表现为模糊边界,此外潮滩表面复杂的微地形以及大量潮沟存在,使得传统基于边缘检测或分类的海岸线提取方法都难以获得连续、完整的岸线.针对上述问题,提出了一种结合区域信息改进的几何活动轮廓模型从遥感影像中快速、自动提取海岸线的方法.该方法首先利用二维最大方差阈值化分割并辅以形态学滤波对海岸线进行粗定位,以此作为初始演化轮廓,再利用改进的几何活动轮廓模型对海岸线进行精确提取.通过SPOT5全色影像的仿真试验证明该方法能够快速、准确地提取海岸线,得到的矢量岸线可直接用于地理信息系统（GIS）分析.     

一种基于显著性区域分割的SAR图像配准算法

针对传统SIFT算法的配准精度和配准效率易受斑点噪声和图像灰度差异影响的问题,提出一种基于显著性区域分割的SAR图像配准算法.首先基于改进的马尔可夫(MRF)算法对SAR图像进行分割,结合区域特征和边缘特征筛选出稳定的显著性区域;然后在显著性区域的边缘附近进行SIFT特征点的提取;最后通过SIFT特征点的匹配实现图像配准.实验结果表明,该方法在保证较高的配准精度的同时,提升了算法效率.     

基于SAR-SIFT和快速稀疏编码的合成孔径雷达图像配准

SAR-SIFT(Synthetic Aperture Radar-Scale-Invariant Feature Transform)特征是一种类SIFT特征,为了较好的适应SAR图像的特点,SAR-SIFT在SIFT的基础上针对SAR图像的统计特性改进了局部描述子的提取方式。SAR-SIFT相比SIFT具有更好的抗噪性能,然而在强噪声下仍然会提取许多异常点。为了解决强噪声情况下SAR图像的特征点提取及匹配问题,在SAR-SIFT基础上,首先提出了一种新的梯度计算方法,它的大小和方向对散斑噪声都具有很强的鲁棒性,使得对SAR图像进行特征点检测与特征描述提取时具有一定的抗噪性能。其次,使用快速稀疏编码方法对提取到的特征点进行稀疏表示,利用稀疏表示的聚类效果和更好的信号表达能力来减少噪声对特征点提取的影响,从而达到减少异常点的目的。最后通过NNDR(Nearest Neighbor Distance Ratio)和RANSAC(Random Sample Consensus)来完成特征点的匹配以及参数的估计。实验结果表明,利用本文方法能显著减少强噪声SAR图像所提取特征点中的异常点数量并提高匹配精度。     

基于显著性主动学习的SAR图像分类

SAR图像分类是实现SAR图像理解和解译的关键步骤,本文将显著性检测、主动学习和支持向量机分类技术相结合,提出基于显著性主动学习的SAR图像分类算法.该算法首先将基于卷积和下采样得到不同尺度的SAR图像;然后对各尺度SAR图像进行显著性检测,分为显著性区域与非显著性区域,最后对区域内像素提取特征,并由基于支持向量机的主动学习方法进行分类.实验结果表明:本文提出的方法极大提高了支持向量机分类的精度和效率.     

基于稀疏表示模型的SAR图像目标检测算法

针对合成孔径雷达（synthetic aperture radar,SAR）图像可视性差、目标区域小以及特征不明显等特性对目标检测造成的困难,将稀疏表示模型应用于SAR图像目标检测,提出一种基于稀疏表示模型的SAR图像目标检测算法。首先,利用K—SVD算法训练样本提取对样本最具描述能力的SIFT特征形成字典;其次,通过将进化机制和稀疏表示结合,逐步提取整幅图像中含有目标的图像块;最后,输出稀疏表示误差小于阈值的图像块的位置作为目标检测的结果。实验结果表明,与传统目标检测算法相比,该算法在检测率和运行效率方面均有一定的提高,取得了较好的效果。     

采用联合域字典稀疏表示的极化SAR图像分类

针对传统字典学习算法难以有效保持极化SAR图像的空间结构以及难以处理大规模数据的问题,提出了一种基于空域和极化域的联合域字典学习和稀疏表示的分类方法.该方法采用基于联合域流形距离的快速AP聚类进行字典学习.利用局部线性编码对极化SAR图像进行空域和极化域的联合域稀疏表示,充分利用了极化SAR数据集潜在的信息,有效保持极化SAR数据结构的同时降低了算法的时间复杂度.试验结果表明:所提算法适应性强,收敛速度快,能够提高极化SAR图像的分类精度.     

基于Harris度量的轮廓尖锐度CDA优化算法

为了进一步提高工业现场中工件自动测量的精度,在详细分析了目前工业检测过程中角点提取准确度低、检测时间长等问题产生原因的基础上,提出了一种基于Harris度量的轮廓尖锐度工件图像角点检测优化算法。首先利用Freeman链码法提取工件图像的轮廓,通过计算轮廓尖锐度获取轮廓上的候选角点,然后针对两种不同类型的伪角点,分别采用Harris度量窗口和支撑区域自适应算法进行优化,最终得到工件图像的真实角点。将算法应用到了实际工件的尺寸测量中。相对于传统的角点检测算法,所提出的基于Harris度量的轮廓尖锐度CDA优化算法具有较好的准确性。     

基于OpenCV的图像碎片拼接

针对二维不规则图像碎片,提出了一种基于OpenCV和图像角点的图像碎片拼接算法.该算法实现了碎片轮廓检测、角点提取、角点序列匹配、图像拼接及缺失修复的功能.通过实例测试,可以得到很好的拼接效果.     

极化SAR图像的人工目标检测

针对目前极化合成孔径雷达(SAR)目标检测仅使用单一极化检测器进行一次判决而造成检测率较低的问题,给出一种新方法。该方法将功率最大合成检测器、极化白化滤波检测器和最优极化检测器融合使用,用前一种检测器的输出来优化后一种检测器的输入,且通过迭代不断优化检测结果。为比较不同目标检测方法的性能,提出了一种准则,该准则规定对一幅SAR图像每种检测方法都取出相同点数的检测结果,虚警点少的方法性能好。实验表明:新目标检测方法在性能上优于其他方法;以该准则来比较不同极化SAR图像目标检测方法的性能简单易行,结果合理直观。     

一种SAR图像与光学图像匹配算法研究

INS/SAR组合导航系统对SAR实时图像与光学参考图像的匹配算法提出了较高的实时性和准确性要求。针对以往直线匹配算法与角点匹配算法的缺陷,首先提取SAR实时图像与光学参考图像直线中的直线与角点特征,然后在干线对粗匹配的基础上利用精确的角点特征进行小参数变化下SAR图像与光学图像的精匹配。经实验验证,该方法实时性与匹配精度高,可较好的应用于INS/SAR组合导航系统的图像匹配中。     

多轮廓三维立体视景图像的投影检测算法

针对多轮廓三维立体模型进行高精度建模中,因为视觉切换和光线强度衰减产生斑点和投影,需要进行投影检测分离,提高图像品质的问题,提出一种基于相似度特征纹理分割的多轮廓三维立体视景图像的投影检测算法.该算法先根据已知的多轮廓三维模型雏形对所有的建模点进行遍历建模分析,再对遍历后的建模点进行模型重构,构造含积分递推多项式的平面起控基函数,最后采用多轮廓图像的曲线混合函数初始化检测模型,得到改进的三维立体视景图像投影检测迭代方程,用相似度特征纹理分割方法实现对视景图像的投影检测改进,解决了图像投影检测不准确的问题.仿真结果表明,该算法能有效实现对图像的投影检测分离,图像成像保持度更好,提高了图像成像品质.     

震后单幅全极化SAR图像中倒塌建筑提取研究

合成孔径雷达(SAR)以其全天时,全天候对地观测的能力,在地震等灾害应急应用中可以发挥难以替代的作用。针对只有一幅震后全极化SAR图像的应用场合,提出了一种倒塌建筑信息提取方法。该方法从少量样本中提取特征模板,采用基于特征模板匹配的图像检索的思路进行倒塌建筑信息的提取。特征模板是由以下13维特征构成,包括HH、HV、VV三通道幅度特征,基于Cloude分解的H/α/A极化特征,基于Yamaguchi分解的四散射分量,圆极化相关系数,归一化圆极化相关系数以及极化方位角等。选取2010年玉树地震发生后的一景RADARSAT-2全极化SAR数据进行倒塌建筑信息提取试验,结果表明该方法在保证较高检出率的情况下,降低了虚警率。     

一种移动车辆遮挡下的车道线检测方法

针对存在移动车辆遮挡等强干扰的情况,提出了一种基于轮廓筛选的车道线检测方法.首先基于轮廓角度和像素数目滤除非车道轮廓进而实现特征点粗提取,然后提取像素点的位置信息,通过设计一种基于相对距离与梯度的自适应双阈值筛选法进行车道线特征点的精提取,进而拟合车道线.实验结果表明,该算法具有较强的抗遮挡能力,且满足实时性要求.