基于Parzen窗函数的SAR图像人造目标检测算法

提出了一种基于Parzen窗函数的SAR图像人造目标检测算法.该方法首先以基于数据驱动的Parzen窗核函数逼近实际SAR图像的直方图,完成SAR图像的精确建模;在此基础上,理论推导了全局CFAR检测算法的阈值,设计了阈值求解的数值算法.典型目标的实际图像的实验结果证明,该方法是一种速度较快、精度较高的人造目标检测算法.     

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。     

基于改进广义相对最优极化的极化SAR舰船检测方法

为了提高极化合成孔径雷达(SAR)图像的舰船检测性能,提出了一种基于改进广义相对最优极化模型的极化SAR图像融合方法.改进的模型包含两个因子的乘积.第一个因子是最优极化状态下的雷达接收功率;第二个因子对应最优检测准则下的3个极化参数(极化熵、平面相似性参数、二面角相似性参数)的融合结果.使用该方法融合图像能够使得目标和...     

基于滑动窗口的遥感图像人造目标检测算法

提出一种基于滑动窗口的人造目标检测算法.首先,根据图像的平滑性将整个图像划分为平滑与非平滑图像区域;然后,在非平滑区域随机生成一系列滑动窗口,并融合4种目标特征的度量准则构造一个判别滑动窗口目标性的评分函数,检测算法根据评分函数的取值判别窗口中是否包含人造目标;最后,在人造目标图像集上进行的实验表明:该算法能准确地检测出图像中的人造目标,并具有一定的抗噪声干扰能力.     

基于Poisson重建的极化SAR图像对比增强

为了能够同时增强多类目标,提出一种基于Poisson重建的极化合成孔径雷达(SAR)图像对比增强方法.该方法对多类目标和对应的背景杂波分别进行广义相对最优极化增强(GOPCE), 并得到相应的最优极化状态和特征系数;以此定义图像中各像素点的最优局部梯度,并在最小二乘准则下,根据局部梯度建立离散Poisson方程;通过快速Fourier变换求解该Poisson方程,得到最终的多目标增强图像.实验结果表明: 利用极化SAR数据,使用该方法增强后的图像的直方图保持应有的峰值,且更加均衡,能够达到增强多类目标的效果,从而有利于目标检测等后续处理.     

基于极化合成孔径雷达图像的斑点滤波方法

斑点噪声是由合成孔径雷达(SAR)的相干成像原理造成的固有缺陷,为了更好地进行SAR图像地形分类、目标检测等后续处理,提出一种用于极化SAR图像的滤波方法.该方法利用新的优化函数和约束条件,在保持图像功率等于Lee滤波功率的前提下,通过最小化信号子空间向量与原始向量的欧式距离,达到降斑的目的.实验结果表明: 利用旧金山地区的真实极化SAR数据,使用该方法滤波的图像结果与原有的子空间滤波器相比,更接近原始图像的均值,并且通过滤波提高了不同类别的目标在特征空间的区分度,从而有利于不同类型地物的分类.     

极化目标分解在目标分类中的应用

极化目标分解是从极化SAR数据中提取目标特征的重要方法,可以将其概括为两大类:基于S inc lair矩阵的相干目标分解和基于Mueller矩阵、相干矩阵、协方差矩阵的部分相干目标分解.利用相干目标分解中的基于Pau li矩阵分解法、Krogager分解法和Cam eron分解法,对实测极化SAR数据进行分类实验,结果表明极化目标分解对于从极化SAR数据中提取目标特征,进而对其进行分类是可行和有效的.     

基于极化分类辅助的复杂场景多通道SAR-GMTI方法

在复杂场景下,人造建筑物受到系统噪声、通道误差等因素影响,容易造成大量虚警,影响动目标检测性能.提出一种基于极化分类辅助的多通道合成孔径雷达地面动目标检测方法,在传统相位中心偏置天线方法基础上,结合H/α-Wishat极化分类,判断图像中的人造建筑物,并在恒虚警检测结果中剔除由人造建筑物造成的虚警.与传统相位中心偏置天线方法相比,该方法能有效抑制复杂环境下由建筑物造成的虚警,提升了动目标检测性能.通过国内首批多通道全极化合成孔径雷达地面动目标检测实测数据验证了所提方法的有效性.     

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。     

极化SAR图像处理中L分布杂波统计分析

首先推导了G-Weibull（Generalized Weibull）杂波在复幅度以及强度上的概率密度函数以及其高阶矩特征,然后利用散射影响因子服从G-Weibull分布的变量与Gauss分布变量的相干斑乘积模型,得到了适用于极化合成孔径雷达（SAR）图像处理的L分布杂波分布函数,并推导了其高阶矩特征以及极化合成孔径雷达（极化SAR）中的多视处理的协方差矩阵的概率分布函数和矩特征。针对实测数据,给出了极化SAR单视与多视图像L分布参数的矩估计方法,指出矩估计是视图数的渐进无偏估计,并利用仿真数据和实测数据进行了检验,验证了推导的正确性。极化SAR中多视图像L分布杂波的统计理论对极化SAR目标检测、识别等领域的新技术研究具有一定的理论指导意义。     

一种新的线性判别准则在人脸识别中的应用

针对Fisher线性判别分析(LDA)在进行人脸识别这种小样本问题分类时常常遇到类内散度矩阵Sw奇异,而无法直接应用的问题,提出一种新的线性判别准则,即:定义一个新的准则函数,在对类内散度矩阵无奇异性要求的情况下,找到此准则函数最优的权向量.应用此判别准则和Fisher LDA方法分别在ORL人脸数据库上选取40个人的图像进行识别率的测试,Fisher LDA方法的识别率为0.95,而本文方法的识别率可以达到0.955,优于Fisher LDA方法.     

基于模型微调与AM Softmax的极化SAR图像分类

针对极化SAR图像分类中卷积神经网络（CNN）方法训练时间长、收敛速度慢,原始Softmax函数无法对极化SAR图像的类内差异有效应对的问题,提出一种基于模型微调与加性边际Softmax（AM-Softmax）的极化SAR图像分类方法。该方法通过预训练网络的整体微调,来改进CNN模型的效率和分类准确率,然后以AM-Softmax替代Softmax,以解决SAR图像中类内变化较大的问题,进一步提升分类精度。实验表明该方法具有快收敛的优势并且能够较好解决极化SAR图像类内差异较大的问题,模型的分类总体精度达到96%以上。     

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.     

SAR图像中极化散射指数和信息熵及其地表识别应用

对于合成孔径雷达(SAR)全极化散射测量与成像,推导了相干矩阵的特征值及其信息熵与同极化、交叉极化指数测量值的直接关系.从而将Mueller矩阵解、信息熵和两个极化指数组合在一起,对SAR图像作定量评估.这一理论方法应用于机载SAR图像和地面车载散射计测量数据的研究.     

结合SVM和分形维数的多特征红外人造目标提取

研究了红外图像中人造目标的提取.首先,通过计算红外图像目标的分形维数确定红外目标和背景的大致区域;然后,分别提取目标图像和背景图像的灰度级特征(邻域中心像素亮度、邻域中值亮度和邻域平均亮度),再利用支持向量机(SVM)进行训练,并尝试用不同的核函数及其参数建立最适当的区分目标和背景像素点的模型,进而把红外图像像素点分成目标和背景2类;最后,利用构建的模型实现红外图像中人造目标的提取.实验结果表明,用该方法建立的分类模型可以有效地提取红外图像中的人造目标.     

基于Wishart分类器和图谱聚类的极化SAR图像分类

针对极化SAR的Wishart分类器存在的问题和具有的特点,本文提出一种基于Wishart分类器的图谱聚类的极化SAR图像分类方法.该方法充分考虑了极化SAR数据的统计特征和图像上的复杂几何结构特征,在采用Wishart分类器进行初始分类的基础上,运用图谱聚类进行极化SAR图像的分类.实验结果表明,与仅用Wishart分类器和图谱聚类对极化SAR数据进行分类相比,该方法具有更好的分类效果.     

基于分块FLD的图像特征提取方法

提出了基于分块Fisher线性鉴别（Fisher＇s Linear Discriminant,FED）的特征提取方法,先对图像矩阵进行分块,将分块得到的子图像矩阵直接用来构造类内和类间离散度矩阵,然后利用Fisher鉴别函数取极大值时得到的最优投影方向进行图像的特征提取。分块FLD方法是二维FLD方法的推广,该方法可以提取每一单元块的局部特征,在ORL人脸库上的实验结果表明该方法在人脸识别性能方面优于二维FLD方法。     

基于鲁棒主元分析的SAR图像目标分割

合成孔径雷达(SAR)图像的目标分割,是SAR图像自动目标识别的关键预处理步骤。与一般SAR图像目标区域分割方法不同,鲁棒主元分析融合了主元分析(PCA)与压缩感知(CS)理论中稀疏矩阵的先进思路,利用多帧具有相似性的SAR图像,构建一个观测矩阵D,通过求解一个凸优化问题,重建出一个低秩矩阵A和一个稀疏矩阵E。将矩阵A和E的列向量矩阵化,即可完成SAR图像目标与背景的分离。实验结果表明,鲁棒主元分析算法避免了复杂的SAR图像背景建模,针对同一目标的多帧SAR图像,所提方法对SAR图像目标和背景的分割问题具有可行性和有效性;与经典的最优阈值分割算法相比,误分率明显降低。     

基于极化合成孔径雷达数据的桥梁检测

为了对遥感合成孔径雷达(SAR)图像中桥梁目标进行自动检测,在极化散射矩阵参数的基础上,提出了一种寻找河流地区对比参数的方法:将总功率、极化熵、相似性参数等参数进行加权组合,利用特征值分析方法求取最优加权系数,从而得到对河流特征敏感的参数组合表达式。进而利用该表达式对河流地区进行了分类实验,对分类结果应用图形形态学方法处理后形成水域模板。在此基础上将水域模板对敏感参数图像覆盖后,对河上桥梁目标进行了自动检测。采用PI-SAR型的雷达的全极化数据进行实验,获得了良好的检测效果,和只使用功率数据进行桥梁检测相比,原来检测不出来的桥梁目标都明显显现出来。实验结果表明,综合利用全极化SAR信息在遥感应用中可以更好的检测和识别目标。     

基于岸线特征点合并的极化SAR图像小型港口检测

为了对极化合成孔径雷达(polSAR)图像中小型港口目标进行自动检测,在分析小型港口特性的基础上,提出了一种基于岸线特征点合并的检测方法。首先,使用极化SAR图像水平集分割算法实现精确的海岸线提取,并通过数字曲线分裂归并算法提取海岸线轮廓特征点;然后针对小型港口轮廓特征点比非港口区域轮廓的密集的特性,提出了一种岸线特征点合并算法实现港口检测。分别用RADARSAT-2系统获取的新加坡和湛江海岸区域极化SAR数据对提出方法进行了试验。实验结果表明,该方法能够正确地检测沿岸小型港口。