高分辨率极化SAR影像KummerU分布非监督分类方法

针对高分辨率极化SAR数据特征分布不再符合同质区域假设, 进而导致基于统计分布的极化SAR影像非监督分类方法精度下降的问题, 将具有广泛适用性的KummerU分布嵌入粒子群寻优聚类算法, 提出了新的极化SAR影像非监督分类算法(PSO-KummerU方法):首先基于极化SAR统计特征对数据进行初分类, 然后采用极化SAR统计特征与粒子群优化算法进一步进行聚类中心求解, 分类准则部分采用KummerU距离改进代替传统的Wishart距离度量准则; 采用3种非监督分类方法(H/α-Wishart、PSO-Wishart、PSO-KummerU方法)进行分类对比实验.实验结果表明:基于KummerU分布的PSO-KummerU方法与采用Wishart距离的聚类方法相比, 目视效果明显改进, 整体分类精度提高14%以上.     

基于Mellin变换的G0分布参数估计方法

G0分布模型具有广泛均匀度变化下的杂波区域建模能力和较强的模型兼容性,是目前合成孔径雷达（synthetic aperture radar,SAR）图像杂波统计建模领域最为重要的模型之一,在SAR图像解译方面有着广泛的应用．然而,G0分布参数的快速准确估计一直是制约其实际应用的主要技术瓶颈,至今尚无理想的解决方案．针对这一问题,首先详细分析了经典矩估计和最大似然估计应用于G0分布参数估计的理论缺陷。在此基础上,提出了一种基于Mellin变换的G0分布参数估计方法．该方法以Mellin变换为出发点,详细推导了G0分布对应的第一个、第二个第二类型的特征函数和它们各自对应的对数矩和对数累积量,最终获得了G0分布参数估计简洁的迭代表达式．该方法不但解决了矩估计所面临的参数不能实现全范围估计的难题,更重要的是把等效视数同形状参数、尺度参数一样视为待估计参数,且能够快速准确地迭代出它们的估计值,保证了G0分布的拟合精度．以KL（Kullback—Leibler）度量、MSE（meansquareerror）度量和K—S（Kolmogorov Smirnov）检验为定量评估准则,对不同分辨率、不同视数的实测SAR图像分别采用文中方法、矩估计、最大似然估计方法进行拟合实验,实验结果的全面对比分析证明了所提方法的有效性．     

基于小波支持向量机分割的SAR图像桥梁目标检测

针对SAR图像中桥梁和水域的统计特性,提出了基于小波支持向量机分割与先验知识相结合的桥梁目标检测方法.通过对SAR图像中桥梁和背景的分析,首先对水域进行特征提取,再利用小波支持向量机方法对数据进行训练建模,通过模型对SAR图像中的河流进行分割,最后在分类后的二值图中按方向累加能量最小准则进行桥梁目标检测.基于真实SAR图像的实验结果显示,此方法不需对SAR图像进行复杂的预处理,有强的抗斑点噪声性,能快速、准确地检测SAR图像中的桥梁目标.     

基于Mellin变换的G0分布参数估计方法

G0分布模型具有广泛均匀度变化下的杂波区域建模能力和较强的模型兼容性,是目前合成孔径雷达(synthetic aperture radar,SAR)图像杂波统计建模领域最为重要的模型之一,在SAR图像解译方面有着广泛的应用.然而,G0分布参数的快速准确估计一直是制约其实际应用的主要技术瓶颈,至今尚无理想的解决方案.针对这一问题,首先详细分析了经典矩估计和最大似然估计应用于G0分布参数估计的理论缺陷,在此基础上,提出了一种基于Mellin变换的G0分布参数估计方法.该方法以Mellin变换为出发点,详细推导了G0分布对应的第一个、第二个第二类型的特征函数和它们各自对应的对数矩和对数累积量,最终获得了G0分布参数估计简洁的迭代表达式.该方法不但解决了矩估计所面临的参数不能实现全范围估计的难题,更重要的是把等效视数同形状参数、尺度参数一样视为待估计参数,且能够快速准确地迭代出它们的估计值,保证了G0分布的拟合精度.以KL(Kullt)ack-Leibler)度量、MSE(mean square error)度量和K-S(Kolmog-orov-Smirnov)检验为定量评估准则,对不同分辨率、不同视数的实测SAR图像分别采用文中方法、矩估计、最大似然估计方法进行拟合实验,实验结果的全面对比分析证明了所提方法的有效性.     

采用小波域α稳定分布的图像去噪

基于统计模型的图像去噪的关键是统计模型的选取.α稳定分布能很好地表示具有严重拖尾的数据的统计分布.该文采用α稳定分布来对图像小波域系数进行建模,并采用贝叶斯估计来对无噪图像进行估计.通过将该算法与近来的一些方法进行比较,仿真结果表明该算法具有好的去噪效果.     

基于全局活动轮廓模型的SAR图像分割方法

图像分割是SAR图像处理的一个基础问题,也是影响SAR图像自动解译性能的关键步骤之一．由于斑点噪声的存在,SAR图像分割一直是一个公认的难题．针对这一难题,文中基于短程活动轮廓模型和统计活动轮廓模型,提出了一种具有全局极小值解的新活动轮廓模型,并详细地给出了该模型的理论求解方法、数值近似方案以及基于该模型的分割算法．该模型的新颖之处在于：（1）同时结合边缘信息和区域信息定位目标边界,更有利于实现图像的精确分割;（2）基于SAR图像边缘检测算子的边缘信息项,有利于将活动轮廓线吸引到真实的图像边界;（3）基于G^0分布的区域统计信息项,可提高模型对SAR图像数据的拟合能力;（4）基于总变分对偶公式的全局快速求解算法,显著地增强了模型的实用性．针对仿真图像以及MSTAR,ERS,Radarsat和NASA／JPL AIRSAR等实测数据的实验结果表明,基于新模型的图像分割算法具有分割边界定位准确、分割区域内部均匀、运行高效、无需后续处理、对参数设置不敏感和对初始条件鲁棒等优点．     

耦合堆垛与孔径分布的高碱金属煤焦分子建模方法

针对表征高碱金属煤焦复杂物理化学结构特征的煤焦大分子三维(3D)模型的建模问题,以高分辨率投射电子显微镜(HRTEM)图像数据作为高碱金属煤焦分子模型的基本微观结构信息来源,提出了一种快速耦合堆垛和孔径分布的高碱金属煤焦大分子建模方法。基于Perl语言开发了相应的建模自编程序Fringe3D和Vol3D,实现了构建具有特定孔径分布和多种赋存形态Na分布的煤焦大分子模型。提出的煤焦大分子3D建模方法具有建模快速、可控性强和方便耦合复杂结构特征等特点,在高碱金属煤焦分子建模过程中考虑了不同赋存形态Na的分布。通过构建的具有特定碱金属分布的煤焦分子3D模型和分子反应动力学模拟,能够深入揭示煤焦热反应过程中Na迁移规律与微观反应机理。     

基于Contourlet域隐马尔可夫树模型的SAR图像滤波方法

为了获得更好的合成孔径雷达(SAR)图像滤波效果,提出一种基于Contourlet域隐马尔可夫树(CHMT)模型的SAR图像滤波算法.提出基于粗分类的系数绑定方法,提高了CHMT模型参数的解算速度;综合应用对数变换、循环平移和均值校正等方法,建立了针对SAR图像乘性斑点噪声模型的统一滤波处理框架,并将基于CHMT模型的滤波算法融入该框架之中;通过对SAR影像进行滤波实验,并将该滤波算法与Lee滤波、小波软阈值滤波等方法进行了比较.可视效果和统计指标显示:基于粗分类的系数绑定方法在改善滤波效果的同时,对CHMT模型解算的速度有很大的提高;在统一滤波框架下,基于CHMT方法的滤波效果优于其他的几种滤波方法.     

基于MATLAB GUI的SAR杂波统计建模与仿真系统设计

SAR图像杂波统计特性研究对于SAR图像的解译具有十分重要的意义。利用MATLAB GUI工具设计了SAR杂波统计建模与仿真系统。详细介绍了图形用户界面的制作方法以及软件的设计与实现过程。并利用该系统对机载SAR数据进行了实验。系统具有图像预处理、杂波统计分析、杂波仿真、相干斑抑制等功能,界面友好、操作方便,且具有可扩展性,可用于与SAR有关的教学、科研与实验分析。     

基于小波域显著性修正的SAR图像相干斑抑制

提出了一种基于小波域统计建模与小波系数显著性修正相结合的斑点噪声滤波方法．通过对数变换将乘性噪声模型转化为加性噪声模型,将对数变换后的图像进行小波变换并对小波域的高频子带系数用混合高斯模型与隐马尔可夫树模型进行建模,采用EM算法来估计模型参数．利用贝叶斯最小均方误差准则来估计“干净”的小波系数,在贝叶斯最小均方误差估计的基础上引入基于显著性准则的小波系数进行修正,显著性准则采用小波系数的模极大值准则作为判据,通过小波逆变换与指数变换获得抑制斑点噪声后的图像．实验表明,所提出的方法能够有效地抑制SAR图像中的斑点噪声,同时能够很好保存边缘细节结构与强散射中心．     

SAR图像的多尺度建模与分割

根据合成孔径雷达图像的成像机理,基于遗传算法,提出了SAR图像的期望最大建模方法和多尺度无监督分类方法。利用最小长度准则能够有效地确定SAR图像分类数,且集遗传算法和EM算法的优点于一身,使得算法能够取得全局最优结果。试验结果表明:该分割方法是可行的,与其它方法相比,分割质量有明显改进。     

基于改进MRF的高分辨率SAR图像中建筑物轮廓提取算法

本文提出了一种基于改进马尔科夫随机场模型(MRF)的高分辨率SAR图像建筑物轮廓提取的方法.该方法首先引入了自适应的权重系数来改善邻域系统对先验能量项的影响,从而使分类结果更加准确.其次,利用Fisher分布来描述观测图像每一类的边缘分布,并且估计Fisher分布的参数;然后,根据改进的MRF对图像进行分类;最后,利用面向对象的方法,利用建筑物的形状特性及空间关系来提取建筑物.实验结果表明该方法可以较好地提取出建筑物的轮廓.     

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MARMA模型的SAR图像SVM分割

在分析SAR图像特征的基础上,提出一种新的基于多尺度自回归滑动平均(multiscale autoregressive moving average,MARMA)模型的SAR图像分割方法.首先建立多尺度序列,然后通过研究SAR纹理图像的MARMA模型,建立适合SAR图像的多尺度特征矢量,最后采用提出的广义加权支持向量机进行特征分类.实验结果表明,采用此分割方法可以获得很好的分割结果.     

一种基于改进的AdaBoost的SAR图像分类方法

合成孔径雷达(SAR)图像由于受到相干斑点噪声的影响,使得其高精度的分类算法研究受到极大的挑战.为了提高SAR图像分类的性能,本文根据SAR图像的成像机理和统计特性,通过灰度共生矩阵特征的提取,结合纠错编码,构造了一种SAR图像分类的Ada Boost改进算法.实验结果表明,该算法得到较好的分类结果,分类精度得到了显著的提高.     

SAR图像平稳小波变换相干斑抑制方法

提出了一种基于平稳小波变换的合成孔径雷达 (syntheticaperturradar,SAR)图像相干斑噪声抑制方法 ,即通过对SAR图像进行多层平稳小波变换 ,对平稳小波变换的细节图像信号进行阈值处理 ,以达到相干斑噪声抑制的目的 .实验结果表明 :此方法除了对相干斑噪声有很好的抑制作用外 ,还保留了尽可能多的目标特征和图像细节 ,有着较好的图像视觉效果 .     

基于局部统计的自适应SAR图像去噪算法研究

合成孔径雷达(SAR)图像固有的相干斑噪声对图像质量有严重影响,使检测、识别等进一步应用受到很大限制.相干斑噪声是一种乘性噪声,传统的空域去噪算法(均值滤波、中值滤波)难以将其消除.针对SAR图像的去噪问题,本文研究了Lee滤波和Kuan滤波两种基于局部统计的自适应去噪算法,给出了MATLAB实现并在MSTAR的SAR图像上进行实验.结果表明,Lee滤波和Kuan滤波都能够有效抑制SAR图像的相干斑噪声,去噪图像更平滑,目标更清晰.与传统的均值滤波和中值滤波相比,这两种基于局部统计的自适应去噪算法在视觉效果、方差和等效视数等评价指标上取得更好效果.