SAR图像的多尺度边缘检测方法

SAR图像具有很强的斑点噪声,使得单尺度边缘检测算子难以兼顾噪声抑制、检测边缘的完整性和定位的准确性。提出一种SAR图像的多尺度边缘检测方法。首先构造高斯多尺度边界检测算子,然后根据信号边界与噪声边界的小波变换模值跨尺度传递的不同特性,将不同尺度的检测算子检测的边缘相融合,提出由边缘传递、继承和生长构成的多尺度边缘关联融合算法。实验证明该方法可以有效克服斑点噪声的影响,融合的边界比较完整,定位准确。     

Feature fusion method for edge detection of color images

A novel feature fusion method is proposed for the edge detection of color images. Except for the typical features used in edge detection, the color contrast similarity and the orientation consistency are also selected as the features. The four features are combined together as a parameter to detect the edges of color images. Experimental results show that the method can inhibit noisy edges and facilitate the detection for weak edges. It has a better performance than conventional methods in noisy environments.     

基于边缘连接的线段检测方法

提出了一种基于图像边缘连接的线段检测方法。数字图像中的线段是由很多线段图元组成,在同一条线段中,它们的方向是相同的并且受到真实线段的方向约束。因此可以通过提取小的线段图元,然后分析它们的连接特性,进行线段的检测。首先用ADM算法对图像进行边缘检测,得到单像素宽的边缘;然后在4个方向上进行线段的检测;对初步得到的结果进行合并和验证,去掉短的线段,连接临近的线段。经过实验证明,该方法能够快速地提取图像中的线段,并且对噪声具有一定的鲁棒性。     

基于混合边缘检测的极化SAR图像海岸线检测

针对传统方法在金属建筑反射干扰严重情况下无法实现海岸线精确检测问题,本文在分析海岸线边缘特有散射特性的基础上,提出了混合统计和散射特性的海岸线边缘检测方法。该方法分别以似然比和体散射功率比值检测子检验窗口相邻区域统计和散射特性的不同,并通过模糊集方法融合两个检测子。在由提出的检测子实现粗岸线检测的基础上,采用基于边缘能量图的快速活动轮廓模型对岸线进一步精细化。对大连海岸区域极化合成孔径雷达(synthetic aperture radar, SAR)图像进行实验,结果表明提出算法有效减少了强金属建筑干扰和不同海况区域导致的虚假岸线边缘,实现了精确的海岸线检测。     

Knowledge-based bridge detection from SAR images

Automatic bridge detection is an important application of SAR images. Differed from the classical CFAR method, a new knowledge-based bridge detection approach is proposed. The method not only uses the backscattering intensity difference between targets and background but also applies the contextual information and spatial relationship between objects. According to bridges’ special characteristics and scattering properties in SAR images, the new knowledge-based method includes three processes: river segmentation, potential bridge areas detection and bridge discrimination. The application to AIRSAR data shows that the new method is not sensitive to rivers’ shape. Moreover, this method can detect bridges successfully when river segmentation is not very exact and is more robust than the radius projection method.     

联合纹理提取和边缘检测的新方法

结合稀疏表示和半二次规整化方法,提出了一种联合纹理特征提取和边缘检测的新算法。该算法是基于稀疏表示的形态学成分分解方法的直接推广。其基本思想是用两个适合的字典：一个用来描述纹理部分--对偶树复小波变换,另一个用来描述结构部分--第二代曲线波变换,得到了一种新的分解模型。接着运用半二次规整化方法推广这个分解模型,提出了一种联合纹理特征提取和边缘检测的变分模型。数值计算的结果表明,新模型对图像的结构〖CD*2〗纹理分解,以及边缘的提取都有较好的效果。     

SAR image despeckling based on edge detection and nonsubsampled second generation bandelets

To preserve the sharp features and details of the synthetic aperture radar (SAR) image effectively when despeckling, a despeckling algorithm with edge detection in nonsubsampled second generation bandelet transform (NSBT) domain is proposed. First, the Canny operator is utilized to detect and remove edges from the SAR image. Then the NSBT which has an optimal approximation to the edges of images and a hard thresholding rule are used to approximate the details while despeckling the edge-removed image. Finally, the removed edges are added to the reconstructed image. As the edges are detected and protected, and the NSBT is used, the proposed algorithm reaches the state-of-the-art effect which realizes both despeckling and preserving edges and details simultaneously. Experimental results show that both the subjective visual effect and the mainly objective performance indexes of the proposed algorithm outperform that of both Bayesian wavelet shrinkage with edge detection and Bayesian least square-Ganssian scale mixture (BLS-GSM).     

面向变化检测的SAR图像超像素协同分割算法

针对面向对象的合成孔径雷达(synthetic aperture radar, SAR)图像变化检测中存在的多时相图像边界和空间对应关系不一致的问题,提出了一种面向变化检测的SAR图像超像素协同分割算法。首先,分别计算两幅不同时相SAR图像中两个像素点之间的强度相似度,并进行加权组合得到新的像素强度相似度。其次,对两幅不同时相的SAR图像及其对数比值图分别进行边缘提取,以同一像素位置的最大边缘值构造二值边缘图。最后,以融合了像素强度、空间距离和边缘信息的相似度代替CIELAB彩色空间相似度,利用改进简单线性迭代聚类算法对多时相SAR图像进行超像素分割,得到边界准确、空间对应的协同分割结果。基于一组仿真和一组实测多时相SAR图像的协同分割实验结果表明,该方法的边缘贴合率、欠分割误差和可达分割准确率均优于其他4种经典方法。     

一种基于二维Gamma分布的SAR图像变化检测方法

对于隐藏在强杂波环境中的人造目标,传统的恒虚警率（constant false alarm rate, CFAR）目标检测算法受到较大程度的制约。为了改善检测性能,提出了一种基于二维Gamma分布的变化检测算法,并给出了参数估计、变化分析、CFAR归一化、目标聚类等关键步骤的实现方法。该算法在拟合精度较高的二维Gamma分布的基础上,充分利用图像间的相关性抑制强杂波。对实际数据的处理表明,该算法具有较好的检测性能,能在低虚警率的基础上实现较高的检测率。     

基于非线性变换法的高分辨率ＳＡＲ 杂波图像仿真

提出了一种高分辨率合成孔径雷达(synthetic aperture radar, SAR)杂波图像的仿真方法。在分析了两种用于高分辨率SAR杂波图像建模的统计模型(广义Gamma分布和广义复合分布)特性的基础上,推导了其相应的基于非线性变换法的生成函数的解析式。然后,在由实测图像中估计与人为设定两种模型参数获取方式下,分别仿真了广义Gamma分布和广义复合分布的SAR杂波图像。实验结果表明,所仿真图像的直方图均与相应的理论概率密度函数吻合,验证了仿真方法的有效性。     

Knowledge-based detection method for SAR targets

When the classical constant false-alarm rate （CFAR） combined with fuzzy C-means （FCM） algorithm is applied to target detection in synthetic aperture radar （SAR） images with complex background, CFAR requires block-by-block estimation of clutter models and FCM clustering converges to local optimum. To address these problems, this paper pro-poses a new detection algorithm： knowledge-based combined with improved genetic algorithm-fuzzy C-means （GA-FCM） algorithm. Firstly, the algorithm takes target region＇s maximum and average intensity, area, length of long axis and long-to-short axis ratio of the external ellipse as factors which influence the target appearing probabil- ity. The knowledge-based detection algorithm can produce preprocess results without the need of estimation of clutter models as CFAR does. Afterward the GA-FCM algorithm is improved to cluster pre-process results. It has advantages of incorporating global optimizing ability of GA and local optimizing ability of FCM, which will further eliminate false alarms and get better results. The effectiveness of the proposed technique is experimentally validated with real SAR images.     

高分辨率SAR与光学图像中目标融合检测方法

提出了一种基于特征融合的军事目标检测方法,充分考虑了SAR与光学图像中目标的互补性特征。目标在高分辨率SAR图像中会产生强后向散射回波(radar cross sections,RCS),因此可以快速检测出感兴趣目标。但受相干斑和人造杂波影响,检测结果存在大量虚警。相比而言,从光学图像中提取出的目标形状信息更有利于鉴别虚假。因此,本方法在串行融合结构中结合SAR和光学图像中提取出的目标特征进行融合鉴别,有效去除虚警。实验用机载测试图像对本文方法的性能进行了验证和分析。     

基于关键点的遥感图像舰船目标检测

针对当前舰船目标检测算法存在锚框遍历计算成本高和特征旋转适应性不足等问题, 提出基于关键点的遥感图像舰船目标检测方法, 通过预估舰船中心点实现目标检测。首先, 引入深度可分离卷积降低参数冗余, 结合SimAM无参注意力机制, 增强对舰船目标的关注度。其次, 引入方向不变模型(orientation-invariant model, OIM)生成方向不变特征图, 增强网络对旋转目标的适应能力。最后, 考虑到遥感图像舰船目标任意方向密集排列, 但舰船目标中心点不变的特点, 采用直接预测目标的中心点, 再回归偏移量、目标尺度和角度的思路, 摆脱锚框遍历机制, 提高检测速度。在HRSC2016和RFUE2021数据集上进行对比实验, 实验结果充分说明了本文方法的有效性和先进性。     

基于超分辨极化SAR图像的舰船检测算法

极化合成孔径雷达(synthetic aperture radar, SAR)图像超分辨处理具有聚集目标能量,提高图像分辨率,抑制相干斑噪声的能力。扩展了多通道幅度和相位估计(amplitude and phase estimation, APES)谱估计算法,并以此实现了极化SAR图像的超分辨处理。运用基于K分布的单极化检测器和基于SPAN、PWF的全极化检测器对实测SAR图像进行了舰船检测。通过分析超分辨极化SAR图像杂波统计分布、弱小目标检测性能、目标区域区分精度、目标轮廓及拓扑结构提取效果等,验证了基于多通道APES谱估计的超分辨极化SAR图像的舰船检测性能。     

基于深度卷积神经网络的SAR舰船目标检测

针对传统合成孔径雷达(synthetic aperture radar,SAR)图像舰船目标检测算法检测精度易受斑点噪声影响,且只能提取底层特征及其泛化性较差的问题,提出了一种基于深度卷积神经网络的SAR图像舰船目标检测算法。首先将目前先进的单次多盒检测器(single shot multibox detector,SSD)检测算法应用到SAR图像舰船目标检测领域,指出了其在该领域存在的局限性,在此基础上提出了基于SSD的新的检测方法,包括融合上下文信息,迁移模型学习,在公开的SSDD数据集上进行了训练和测试,对实验结果进行了对比分析,实验结果表明,相比于原始的SSD检测算法,所提出的方法不仅提高了目标检测精度,同时也保证了算法的检测效率。     

Image edge detection based on beamlet transform

Combining beamlet transform with steerable filters, a new edge detection method based on line gra-dient is proposed. Compared with operators based on point local properties, the edge-detection results with this method achieve higher SNR and position accuracy, and are quite helpful for image registration, object identification, etc. Some edge-detection experiments on optical and SAR images that demonstrate the significant improvement over classical edge operators are also presented. Moreover, the template matching result based on edge information of optical reference image and SAR image also proves the validity of this method.     

基于语义分割实现的SAR图像舰船目标检测

基于深度学习实现的目标检测方法在自然图像中取得非常大的成功,而将诸多方法运用于合成孔径雷达(synthetic aperture radar, SAR)图像舰船目标检测逐步成为新的趋势。如何将已有方法改进并与SAR图像的特点相结合完成特定的检测任务,已经成为当前主要的研究方向。不同于当前已有方法,本文对存在的深度学习SAR图像舰船目标检测方法进行了再思考,提出了基于语义分割实现的检测、分割一体化方法。通过语义分割实现的检测方式能够有效地避免当前诸多检测网络的复杂解码过程,具有生成的预测框更加贴合目标、精度以及召回率更高等特点。该方法虽属于无锚框检测,但实验结果表明,达到了双阶段检测效果,且具有更加精细化的分割结果,适用于复杂背景检测与分割问题。     

一种血管内超声图像边缘提取方法

血管内超声（IVUS）图像的冠状动脉血管壁内、外膜边缘提取对冠脉疾病的诊断和治疗有着重要意义。针对实际IVUS图像血液斑点噪声比较严重的情况，提出一种基于超声序列图像斑点噪声抑制和活动轮廓模型（Snake模型）的IVUS图像边缘提取方法。首先采用一种时／空滤波方法对IVUS图像进行降噪预处理，该方法能够有效地抑制IVUS图像的血液斑点噪声；然后基于Snake模型和图像的统计特征自动提取冠脉血管壁内、外膜边缘。实验结果表明，本算法简单，准确性较高，对序列图像处理的可重复性和鲁棒性较强，是一种较好的全局最优化算法。     

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。     

基于极化合成孔径雷达的舰船检测方法

特征提取是极化合成孔径雷达图像处理的一个重要问题,也是海上目标检测的关键。相似性参数和极化熵可以表征目标的电磁散射特性。为了增强目标与背景的对比,提出了一种基于特征融合的新参数。这种参数可表达区域的差异性,处理后目标与背景的对比更加明显。研究了该参量在海杂波区域的分布模型,进而提出了一种新的海上船只检测方法,该方法可用于多视情况下的舰船检测。最后用机载合成孔径雷达(airborne synthetic aperture radar, AirSAR) 数据验证了该方法的有效性。