SAR图像目标增强模型最优性能分析

研究用于SAR图像目标增强的lk范数正则化方法的最优性能.从有偏参数估计的统计性能极限角度,将达到渐进最小总方差的参数估计看作目标增强的最优效果.根据Bayes框架以及罚最大似然估计原理,研究了达到最优性能时正则项需满足的条件,该条件与图像大小、信号统计分布以及观测数据噪声方差有关,可为模型设计与迭代算法设计提供依据.并证明了仅当噪声方差较小时lk范数约束才能使得处理结果达到该最优估计性能.仿真实验验证了该结论的正确性.     

基于多小波域对比度的图像融合算法

针对多小渡理论在图像处理领域的应用,给出了多小波域中图像的方向对比度的定义,并提出了基于多小波变换的、使用方向对比度进行自适应加权平均融合和选择性融合的算法.该算法利用多小渡变换对原图像进行分解,根据得到的分解系数计算相应的对比度,然后建立基于对比度的融合规则.使用这些算法对多谱图像进行了融合实验,并给出了评价融合质量的对比结果.结果表明,基于多小波变换的方向对比度的图像融舍算法在保留图像细节信息、增加信息量方面都有明显的提高.     

三维医学图像分割的改进量子进化搜索算法

传统量子进化算法用于搜索某些函数极值时精确度较低且稳定性较差.针对该问题,借鉴模拟退火算法,根据进化代数及个体的适应度值,修正了传统量子进化算法旋转门函数的旋转角度值,并应用于三维医学图像分割,从而形成了一种用于三维医学图像分割的改进量子进化算法.100次阈值计算实验结果表明,提出的分割算法与传统量子进化算法相比,在保持了传统量子进化算法收敛速度快特点的同时,可大大提高算法在三维分割中的精确性和稳定性.     

基于InSAR构型的地面运动目标检测与测速方法

提出了一种基于干涉合成孔径雷达构型的地面运动目标检测及测速定位新方法。该方法在高程相位和动目标相位耦合的情况下,充分利用相应像素对及其相邻像素对的相干信息进行高度补偿从而进行动目标参数估计。针对干涉合成孔径雷达（interferometric synthetic aperture radar, InSAR）系统中由于长垂直基线导致杂波自由度随地形起伏大大增加等杂波抑制问题,在处理过程中引入了联合像素法,进一步提高了动目标检测和测速精度。通过仿真验证了该方法的有效性。     

基于改进的圆投影向量的背景补偿方法

针对传统运动背景补偿算法难以适应大角度旋转的应用场合,提出了一种改进的圆投影向量的背景补偿方法。该算法首先利用图像熵自动选择合适的图像参考块,以增强算法的实用性;其次对传统的圆投影向量进行了改进,增加了相位向量以获取背景的旋转参量,并采用核函数定义各像素点的距离权值,从而可以获得更加准确的结果。最后给出了算法步骤,并利用实测数据进行验证。通过仿真实验证明了该算法在各种场景、各种运动情况下的有效性以及对噪声、光照等因素具有鲁棒性。     

双C50多模同步采集高速目标识别系统

研究了红外多模采集转换的系统模型 ,分析了功能状态。研究了基于并行DSP、数据并行通信芯片和可编程逻辑器件构架的可行性系统实现 ,论证了系统的实时并行处理能力。研究了数字锁相实施玫瑰线扫描同步采集方位转换和红外多帧配准图像模糊分割识别系统实现。实验表明 ,该系统具有 2 5 6× 2 5 6像素场景 ,2 5 6级灰度级实时监测和复杂背景下实时识别目标的能力。     

基于神经网络数据融合的目标识别方法研究

综合应用图像识别、神经网络和数据融合技术是多传感器ATR系统的一个重要研究方向。设计了一种基于BP网络和多传感器数据融合的图像识别系统。从信息论的观点出发 ,在理论上探讨了BP网络数据融合用于图像目标识别 /分类的机理。以此理论对实验结果的合理解释证明了该理论的正确性。理论分析和实验结果都证明了神经网络数据融合用于图像目标识别 /分类的有效性和可行性     

高分辨率雷达二维图像的图像处理与特征提取

首先分析了雷达目标散射信号特征。在此基础上 ,根据MUSIC算法得到的雷达图像特点 ,通过平滑、量化、增强等适当的图像处理方式对F - 16、HY - 2 0 0 0两种飞机缩比模型在阶梯变频雷达上所获取的雷达图像进行处理 ,并形成雷达二维灰度图 ;最后 ,采用图像矩阵描述方示进行雷达图像的特征提取     

基于上下层MAS的SAR图像海洋分布目标检测

针对SAR图像中的海洋分布目标,从人的认知过程出发提出了一种基于上下层多Agent系统(top bottom multi Agent system, TBMAS)检测算法。该算法针对上下层Agent定义了不同的行为。下层Agent获得初步的视觉知觉,上层Agent加入联想分析等处理获得最终检测结果。算法从分布目标的局部统计特性考虑,不需要进行统计模型和参数的估计,利用局域直方图和Kullback Leibler散度进行差异度分析。实验表明,对于多种分布目标均有较好的检测效果。     

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.