PolSAR图像的改进非局部均值滤波算法

为了在抑制相干斑的同时更好地保留地物目标的极化散射信息和结构信息,提出了一种基于变异系数(coefficient of variance,C.V)的极化合成孔径雷达(polarimetric synthetic aperture radar,PolSAR)图像自适应非局部均值滤波算法。该算法结合图像子块的统计特性和目标点的极化散射特性筛选同质像素,然后引入C.V自适应选取平滑系数来计算滤波所用的权重,最后对同质像素进行非局部均值滤波。用不同系统采集的PolSAR数据进行的实验结果表明,与精致LEE滤波、NL-Pretest滤波以及最新的滤波方法相比,本文算法不仅能够有效抑制相干斑噪声,而且图像的边缘和极化散射特性也得到了更好地保持。     

PolSAR图像的两级分块最优加权滤波方法

针对多极化合成孔径雷达（polarimetric synthetic aperture radar, PolSAR）图像的相干斑抑制问题,提出一种两级分块的最优加权滤波方法。该方法在分块加权法的块处理基础上,采用边缘检测模板对非同质类子块进行二次分类和处理,提高了滤波参数的估计精度。实验结果表明,该方法不仅保持了块处理简单、运算量小的优点,而且在斑点抑制和边缘保持方面更优于最优加权法和分块加权法。     

基于多级分类的PolSAR图像机场跑道检测

提出一种复杂场景极化合成孔径雷达（polarimetric synthetic aperture radar, PolSAR）图像机场跑道多级分类检测方法。首先利用先验信息进行h/q第一级分类,得到图像中各类训练样本模板;然后利用PolSAR图像极化相干矩阵的统计特性进行第二级分类;再根据跑道的弱回波特性,利用极化总功率检测器完成第三级分类,提取图像中疑似机场跑道区域;最后根据机场跑道的尺寸及结构特征进行判别,确定机场跑道区域。采用美国UAVSAR机载系统获取的多组实测数据对算法进行验证,并与现有的两种方法进行比较,结果表明,本文算法能有效地检测出跑道,并保持跑道结构完整、轮廓清晰且虚警率低。     

基于深度卷积神经网络的PolSAR图像变化检测方法

针对极化合成孔径雷达(polarimetric synthetic aperture radar,PolSAR)图像变化检测问题,提出了结合区域信息和深度卷积神经网络(deep convolutional neural network,DCNN)的PolSAR图像变化检测算法。在本方法中,用超像素分割算法与超像素合并算法提取图像场景的区域信息,利用区域信息和Wishart似然比得到差异图像;再运用预分类算法以得到训练DCNN的伪训练样本和待分类样本;接着用伪训练样本训练DCNN;最后用训练好的DCNN对待分类样本进行分类得到最终结果。实验结果表明,与多种PolSAR变化检测算法相比,所提算法能够获得更好的结果。     

环境特征与散射特性融合的PolSAR飞机目标检测

针对复杂场景下极化合成孔径雷达(polarimetric synthetic aperture radar,PolSAR)图像飞机目标检测问题,提出了一种融合目标环境特征与散射特性的PolSAR飞机目标检测方法.首先,利用极化白化滤波(po-larimetric whitening filter,PWF)图提取疑似飞机...     

环境特征与散射特性融合的PolSAR飞机目标检测

针对复杂场景下极化合成孔径雷达(polarimetric synthetic aperture radar, PolSAR)图像飞机目标检测问题,提出了一种融合目标环境特征与散射特性的PolSAR飞机目标检测方法。首先,利用极化白化滤波(polarimetric whitening filter, PWF)图提取疑似飞机目标,将疑似飞机目标转换成超像素得到混合图像。然后,经极化分解与分类构造一个新的环境特征,并与散射特性融合得到飞机目标检测特征,通过阈值判别检测出飞机目标。最后,使用AIRSAR和UAVSAR系统采集的实测数据进行实验,并与其他检测方法进行对比。结果表明,所提方法产生的虚警和漏警较已有方法有所改善,检测结果更好。     

基于同质性分割的图像滤波方法研究

针对图像中存在的噪声,在同质性分割基础上提出了一种新的图像滤波方法.该方法首先利用形态学算子描述图像的不连续性,重新定义同质性,提高了图像的抗噪性.然后利用统计得到的同质直方图,并通过峰值寻找算法得到波峰、波谷,进而对图像进行分割.最后计算不同子区域的灰度均值,对满足条件的子区域进行合并得到滤波图像.实验结果表明,与其它滤波方法相比,该方法在滤除噪声的同时更好地保留了图像的细节和边缘信息,而且对含有不同噪声密度的图像均能得到较好的滤波效果.     

基于Gauss滤波的多媒体图像的可视化检索

基于图像的可视化特征的图像检索和查询,是当前多媒体系统的重要研究方向。对于基于图像局部匹配的检索,传统的模板匹配和区域分割方法只能在目标图像中检索非常相似的对象,对尺度或形状有较大变化的目标则难以得到满意的结果。提出了一种不依赖于模板匹配的方法——图像的多尺度高斯滤波表示,用于图像的特征提取和局部匹配,并在分布并行索引结构下实现了该方法的快速索引和搜索算法。实验表明,该方法能够在较大尺度和视角变化范围内,更有效地进行图像的特征提取和检索,对基于图像局部区域相似性的匹配能达到较好的效果。     

基于GABOR滤波的大脑MRI图像边缘检测

基于二维Gabor滤波提出了一种对大脑MRI图像进行边缘检测与提取的方法,通过分析、简化、分解Gabor函数,设计了Gabor函数的多个参数,包括中心频率φ,滤波方向θ,以及沿着x轴和y轴Gaussian包络的空间常量σ。在算法实现过程中,恰当选取了一组可以覆盖给定图象整个频率空间的滤波,用这组滤波分别提取图象的局部信息,然后按照一定的规则将滤波后提取出局部信息的多幅图像整合为一幅图像。实验结果表明,该方法相对于传统的Gabor滤波可明显的减少计算量,并可连续、有效的检测边缘信息,定位准确,检测效果明显,对噪声也显示出较好的鲁棒性。     

基于自适应参数回归的非局部图像滤波算法

针对图像加性高斯白噪声,提出一种优化的自适应参数滤波算法。该算法以非局部欧氏中值(non-local Euclidean medians, NLEM)滤波算法为基础,根据含噪图像梯度幅值在一定噪声范围内服从Rayleigh分布这一特性,求得以梯度幅值和噪声标准差为自变量的二元自适应滤波参数,并将它引入到邻域的权值计算中。其次,噪声的变化影响着l_p范数回归的选择,在一定范围内以噪声标准差为自变量对参数p进行多项式拟合,得到自适应l_p范数回归。在自适应滤波参数基础上,用自适应l_p范数回归进一步改进NLEM滤波算法的l₁范数回归。所选图像的实验结果表明,本文算法在一定噪声范围内不但获得满意的去噪效果,而且有效地减少人机交互程度。