基于双极化SAR数据的建筑栋数信息提取研究

通过分析建筑物在不同极化数据上后向散射特征的不同,提出一种基于双极化SAR数据的建筑栋数信息检测方法.该方法主要包括建筑初检测、联合HH与VV数据的检测结果修正以及使用面积阈值去除虚警3个主要部分.最后,在双极化TerraSAR—X图像上进行了验证和评价,并与基于单极化SAR数据进行建筑栋数检测得到的结果进行对比,显示了方法的有效性.     

视频心率检测中兴趣区域选择研究

视频心率检测是一种通过检测因血液循环导致的皮肤颜色变化来测量心率的技术,在远程医疗、重症病人监护等领域有广泛的应用前景。现有方法主要通过人脸检测和关键点定位来选择固定人脸区域作为兴趣区域,这种方法容易受到眼睛、睫毛、嘴巴等非皮肤部位的影响,导致心率估计不准。针对此问题,提出了基于非负矩阵分解的自动区域选择方法,通过低秩约束自适应地估计少量非皮肤部位,减少对信号源的干扰,选择信噪比高的兴趣区域,进而提高心率估计的准确率。实验结果证明,该方法在有光照和表情变化下,依然能准确估计心率值。     

基于HS样本选择和BvSB反馈的多类图像分类

针对主动学习由于初始阶段随机选择样本而导致的抽样偏差,将Sanjoy Dasgupta等人提出的分层聚类采样(Hierarchical sampling,HS)引入到主动学习方法中,替代初始阶段随机样本选择,然后在基于支持向量机分类器的图像算法中引入最优标号和次优标号(Best vs second-best,BvSB)的反馈准则,提出了基于HS和BvSB(HS+BvSB)的多类图像分类方法。分别在两组标准测试数据集上进行分类实验,比较HS+BvSB方法与随机选择样本+BvSB方法的学习性能,结果表明,随着初始选择样本数目的增多,提出的Hs+BvSB方法具有更优的性能。     

SAR图像目标解译算法研究

针对SAR图像目标解译的困难,首先从SAR图像中的目标信息特点出发,深入分析和探讨了SAR图像中斑点噪声抑制算法,点状目标、线状目标和面状目标的特征表现及其检测算法;然后针对它们的不足进行了相应的改进,获得了更佳的性能;最后在此基础上提出了一个半自动人机协作的SAR图像目标解译框架.实验结果表明,所采用的解译算法和提出的方案是切实可行的.     

高分辨率SAR图像城市建筑密度信息提取

建筑密度信息是城市规划、土地管理和居住区环境评估等所需的一个重要指标.高分辨率(米级及以下)SAR图像数据的获取使得利用SAR图像精确提取城市建筑密度信息成为可能.提出了一个基于高分辨率SAR图像的计算城市建筑密度的有效方法,分为建筑检测、建筑密度初估计和建筑密度模型修正3个主要步骤.在武汉市武昌区的高分辨率Terra...