基于分层MRF模型的POLSAR图像分类算法

针对多极化合成孔径雷达（polarimetric synthetic aperture radar, POLSAR)影像由于受到相干斑噪声影响导致分类精度较低,提出了一种基于均值漂移和多尺度马尔科夫随机场的非监督分类算法。该算法首先由Mean-Shift算法得到最粗尺度的初始分类结果,然后由马尔科夫随机场对结果进行优化得到最粗尺度最终分类结果。将上一尺度的分类结果映射到下一尺度作为初始分类结果,然后由Wishart分布对极化协方差矩阵进行建模并采用迭代条件模式（iterative conditional modes, ICM)算法求取基于最大后验下分类结果。逐层映射,最细尺度的结果作为最终分类结果。详细给出了算法的基本原理和实施步骤,并采用E-SAR和AirSAR数据对算法进行了验证。实验表明,与同类算法相比较,算法具有更高的分类精度。     

一种极化SAR图像模糊分类方法

针对极化合成孔径雷达图像模糊非监督分类问题,给出了一种改进的极化合成孔径雷达图像模糊分类方法。该方法通过引入极化总功率参数--span,改进极化合成孔径雷达图像模糊H/α分类方法,进行极化合成孔径雷达数据模糊H/α/span非监督分类。利用机载极化合成孔径雷达数据进行实验。实验结果表明,改进的方法提高了分类性能,聚类中心更为合理。     

基于多级分类的极化SAR图像斑点抑制

针对极化合成孔径雷达（polarimetric synthetic aperture radar, PolSAR）图像相干斑抑制后的目标极化特性和结构特征保持问题,给出了一种多级分类的极化SAR图像斑点抑制方法。首先利用H/α快速分解法并结合极化总功率图像进行初分类,之后采用最小距离准则和聚合的层次聚类方法进行细分类,最后根据图像结构将图像内容分为亮点线目标、暗线目标和其他目标三大类,利用线性最小均方滤波器对暗线目标和非点线目标进行滤波。采用美国AIRSAR机载系统获取的实测数据进行实验,结果表明,与Lee的基于散射模型降斑算法相比,本文算法不仅能够更有效地抑制斑点噪声,而且在保持极化特性、结构和纹理特征方面更为有效。     

极化SAR图像中的弱小舰船目标检测

结合最新的子空间数据分析方法--非负矩阵分解(nonnegative matrix factorization, NMF),对极化合成孔径雷达(synthetic aperture radar, SAR)图像中的弱小舰船目标提出一种全新的有效检测方法。该方法利用极化协方差矩阵分解,得到包含极化图像能量的特征值组,组成满足NMF要求的非负矩阵;然后采用稀疏限制的NMF来提取其中的主要特征,以此将舰船目标检测出来。采用国内全极化和双极化实测海洋数据进行实验,验证了本文方法的有效性。     

基于交叉熵的特征提取与河流区域的目标检测

基于交叉熵提出了一种新的参数来衡量河流区域与其他区域的区别。该参数能在河流区域很好地进行舰船检测与桥梁检测。通过确定河流的边界,舰船和桥梁只在河流区域进行检测,所以绝大部分的虚警点都被消除。利用日本新泻地区的X波段全极化数据进行验证,表明该方法具有良好的检测性能。     

基于DEM和地物分类信息的SAR图像模拟

SAR图像模拟对于雷达系统设计、SAR图像几何及辐射校正等具有重要意义.针对正侧视SAR成像的几何特点,顾及地面坡度、地物类型、成像距离等因素对雷达波后向散射强度的影响,采用强度积分策略,设计了基于DEM和地物分类信息的SAR图像模拟方案;通过仿真实验得到了满意的SAR模拟图像,验证了该模拟方案的正确性和有效性.     

基于多源遥感图像多级协同融合的舰船识别算法

针对极化合成孔径雷达(polarimetric synthetic aperture radar, PolSAR)图像存在斑点噪声严重、可视性差、直接影响目标识别精度的问题,提出一种基于多源遥感图像多级协同融合的舰船识别算法。通过采用多级协同融合方式,丰富图像的特征量,提高舰船识别精度。所提方法首先进行多源遥感数据的像素级融合,然后在上一步基础上进行特征级融合,最终得到新的目标特征。所提方法充分发挥了不同频段的PolSAR与多光谱图像的信息互补优势,不仅保留了多频段PolSAR对目标的极化散射特征,也保留了多光谱数据的空-谱信息。所提方法在可视性与检测精度上表现都较为出色,与传统的单一遥感数据相比,识别精度至少提高了5.12%。     

综合多特征的高分辨率极化SAR图像分割

针对高空间分辨率全极化数据的特点,基于分形网络演化分割算法框架,本文提出了一种综合K分布统计特征、Pauli分解特征和空间形状特征的高分辨率全极化SAR图像分割方法。该方法采用对数似然函数定义K分布统计特征异质度,对Pauli分解特征加权定义极化分解特征异质度。在此基础上,综合统计、极化分解和形状特征构建对象相似性准则,建立高分辨率全极化SAR图像多特征综合分割流程。通过模拟数据和ESAR全极化数据实验并与其他分割方法比较,验证了本文分割方法的有效性。     

ISAR图像质量评估方法

首先,基于信号分解、超分辨以及时频分析技术,提出了一种基于多种处理算法提高逆合成孔径雷达(inverse synthetic aperture radar, ISAR)成像质量的方法;其次,重点针对目前ISAR图像难以定量评估的问题,提出了一个图像质量定量评估模型,该模型图像质量评估得分由客观评估得分和主观评估得分两部分组成,每部分又由多种评价准则组成,可以从不同方面进行详细客观评价,也给出了图像质量评估模型在实际应用中需要注意的问题;最后,仿真试验验证了模型的合理性,实测数据证明了评估模型的有效性。     

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。     

基于熵的图像空间特征提取及检索方法

针对图像颜色的空间分布特征,提出了一种新的基于熵的表示方法。该算法采用空间分布熵来描述颜色的空间特征,具有旋转、平移、尺度等不变特性。结合人类的视觉特征及熵的特性,进一步提出利用加权空间分布熵来优化和改进颜色空间分布特征的提取算法。结合图像颜色直方图,给出了两种图像间的相似性度量方法。仿真实验证明,该算法在进行图像检索时具有更好的检索效果。     

Region-based classification by combining MS segmentation and MRF for POLSAR images

Speckle effects on classification results can be suppressed to some extent by introducing the contextual information.An unsupervised classification algorithm is proposed for polarimetric synthetic aperture radar(POLSAR) images based on the mean shift(MS) segmentation and Markov random field(MRF).First,polarimetric features are exacted by target decomposition for MS segmentation.An initial classification is executed by using the target decomposition and the agglomerative hierarchical clustering algorithm.Thereafter,a classification step based on MRF is performed by using the mean coherence matrices obtained for each segment.Under the MRF framework,the smoothness term is defined according to the distance between neighboring areas.By using POLSAR images acquired by the German Aerospace Centre and National Aeronautics and Space Administration/Jet Propulsion Laboratory,the experimental results confirm that the proposed method has higher accuracy and better regional connectivity than other classification methods.     

目标一维距离像特征提取方法研究

针对雷达目标一维距离像的姿态敏感性和平移敏感性,直接将一维距离像用于目标识别很难取得好的识别效果,用目前的普遍做法进行目标识别存在计算量和存储量大的问题,提出把一维距离像作为随姿态变化的序列及强散射中心维数、目标特征尺寸、散射中心分布熵三个特征,并以这三个特征采用外场实测数据进行目标识别实验,取得了较好的识别效果。     

基于KFD+ICA特征提取的SAR图像目标识别

提出了一种用基于核函数的Fisher判别分析(kernel based Fisher discriminant analysis,KFD)和独立分量分析(independent component analysis,ICA)特征提取的合成孔径雷达(synthetic aperture radar,SAR)图像目标识别方法。用基于核函数的Fisher判别分析提取SAR图像样本在高维特征空间中的最佳分类向量,对最佳分类向量做独立分量分析,得到表征图像样本的特征向量,用支持向量机(support vector machine,SVM)对提取得到的特征向量分类完成目标识别。对MSTAR数据库中三类军事目标用该方法进行特征提取和识别实验,识别率为96.92%。结果表明,KFD ICA特征提取方法可提取目标的有效特征,在较低特征维数情况下获得较高的目标正确识别率。     

Improved method for the feature extraction of laser scanner using genetic clustering

Feature extraction of range images provided by ranging sensor is a key issue of pattern recognition. To automatically extract the environmental feature sensed by a 2D ranging sensor laser scanner, an improved method based on genetic clustering VGA-clustering is presented. By integrating the spatial neighbouring information of range data into fuzzy clustering algorithm, a weighted fuzzy clustering algorithm （WFCA） instead of standard clustering algorithm is introduced to realize feature extraction of laser scanner. Aimed at the unknown clustering number in advance, several validation index functions are used to estimate the validity of different clustering algorithms and one validation index is selected as the fitness function of genetic algorithm so as to determine the accurate clustering number automatically. At the same time, an improved genetic algorithm IVGA on the basis of VGA is proposed to solve the local optimum of clustering algorithm, which is implemented by increasing the population diversity and improving the genetic operators of elitist rule to enhance the local search capacity and to quicken the convergence speed. By the comparison with other algorithms, the effectiveness of the algorithm introduced is demonstrated.     

基于平均周期图的InSAR复图像配准方法

提出了一种新的干涉合成孔径雷达(InSAR)复图像配准算法,新算法使用干涉相位图的平均周期图作为配准的评价测度函数,采用数据分段求平均的方法降低了评价函数的估计方差,从而提高了配准的精度与可靠性。还分析了评价函数的估计偏差对配准的影响。最后使用平均周期图法进行了配准实验,试验结果验证了新算法在提高配准精度方面的有效性。     

基于特征点配准的气动光学图像校正方法研究

针对气动光学效应图像校正问题,提出了一种基于特征点配准的像素偏移盲目校正方法。由于高速流场引起的像素偏移具有很强的随机性和非线性等特点,采取二阶函数非线性模型来拟合畸变图像的像素偏移量,同时根据序列多帧图像的像素点偏移变化统计规律获取原图像的像素点初始位置,从而实现对各帧畸变图像进行像素偏移校正。仿真实验结果表明了方法的有效性。     

模糊SOFM网分类方法及其在农业中的应用

将模糊理论和自组织特征映射（ｓｅｌｆ－ｏｒｇａｎｉｚｉｎｇ ｆｅａｔｕｒｅ ｍ ａｐ, ＳＯＦＭ）网络相结合,构造出一种新的分类模型——模糊ＳＯＦＭ 模型．模糊ＳＯＦＭ 模型既利用了模糊理论解决不确定性问题的特性,又利用自组织映射特征网络具有较强的自学习、自适应能力、容错能力和模式识别能力的优点．能非常好地解决模糊或不确定系统中的多对象在多指标下的分类问题．实例结果表明用模糊ＳＯＦＭ 分类方法进行分类具有稳定、结果可靠等特点．     

Nonnegative matrix factorization with Log Gabor wavelets for image representation and classification

1.INTRODUCTION Inpatternanalysisandcomputervision,visualrecog nitionofobjectsisoneofthemostchallengingprob lems.Approachestoovercomesuchproblemshavefo cusedonusingseveralmethodologies.Appearance basedrepresentationandrecognitionisoneofthe mostsuccessfullyusedtoday.Itinvolvespreprocess ingofmultidimensionalsignals,suchasimagesof facesandcharactersorspectrogramsofspeech.In fact,thecoreofthepreprocessingisthesocalleddi mensionalityreduction.Thedimensionalityreductionaimstocompress thehighdi…     

Cardiac MR image segmentation using CHNN and level set method

Although cardiac magnetic resonance imaging (MRI) can provide high spatial resolution image, the area gray level inhomogenization, weak boundary and artifact often can be found in MR images. So, the MR images segmentation using the gradient-based methods is poor in quality and efficiency. An algorithm, based on the competitive hopfield neural network (CHNN) and the curve propagation, is proposed for cardiac MR images segmentation in this paper. The algorithm is composed of two phases. In first phase, a CHNN is used to classify the image objects, and to make gray level homogenization and to recognize weak boundaries in objects. In second phase, based on the classified results, the level set velocity function is created and the object boundaries are extracted with the curve propagation algorithm of the narrow band-based level set. The test results are promising and encouraging.