SAR图像机场区域的掩体目标检测方法

提出了一种基于几何活动轮廓模型分割的SAR机场掩体目标检测方法。根据SAR图像的特性选择了Chan-Vese模型(C-V模型),对其进行加窗,使全局信息的C-V模型局部化,并扩展到多相,从而有效地分割出机场区域;再根据掩体目标的断头路位置特征检测目标潜在位置;最后利用掩体在SAR图像的强回波特性去除虚警,实现对掩体目标的有效检测。实验表明:该方法能克服相干斑的干扰,简化对复杂拓扑关系的处理,为检测机场掩体目标提供了一种有效技术途径。     

一种新的SAR图像局部统计活动轮廓模型及算法

近年来变分水平集方法在图像分割中得到了广泛应用,但此类方法的能量泛函是非凸的,易陷入局部极小值解。本文基于AA(Aubert-Aujol)去噪模型和变分水平集方法,提出一个局部统计活动轮廓模型,通过凸松弛技术将提出的分割模型转换成全局优化模型,再加入一个迫近算子项,将提出的模型转化为ROF去噪模型,最后采用快速去噪算法,得到一个全局最优的快速分割算法。此算法不涉及差分或微分方程,只需要简单的差分运算,提高了数值运算速度。对实测SAR图像进行分割实验,结果表明,本文提出的全局分割模型不但能够快速、有效地分割SAR图像,取得全局最小值,而且可以更准确地得到图像分割边缘。     

Tsallis熵和改进CV模型的海面溢油SAR图像分割

为了解决海洋表面溢油监测中合成孔径雷达(SAR)图像分割精度不高的难题,提出一种基于Tsallis熵多阈值分割与改进CV(ChanVese)模型相结合的海面溢油图像分割方法。首先采用基于Tsallis熵的多阈值选取算法对海面溢油图像进行粗分割;然后分别将得到的溢油区域和溢油粗略轮廓作为CV模型的局部区域和初始轮廓,以降低CV模型的场景复杂度及其对初始条件的敏感性。CV模型仅考虑了图像各区域的均值信息而没有考虑图像的局部信息,尽管能够得到渐进型边界图像,但其分割结果存在误差。本文采用了加入移动因子的改进CV模型降低分割误差,提高收敛速度。实验结果表明,提出的海面溢油SAR图像分割方法具有分割边界定位准确、运行高效和无需设置初始条件等优点。     

基于贝叶斯框架和Gamma分布的SAR图像分割

图像分割作为图像处理的关键步骤之一,一种高精度的SAR图像分割方法在图像分析与解译中显得尤为重要。根据SAR图像的统计特性,本文主要研究基于贝叶斯框架和Gamma分布的SAR图像分割方法,分别以单一Gamma分布概率模型和Gamma混合模型定义像素属于聚类的或然率;此外,基于马尔科夫随机场理论定义像素与其邻域像素标号间相互作用关系,并以此作为先验概率;然后,根据贝叶斯定理得到像素属于聚类的后验概率。最后,分别基于上述两种方法对模拟SAR图像及真实SAR图像进行分割实验。结果表明,Gamma混合模型较单一Gamma分布能够更加准确地描述SAR图像分布特征,得到高精度的分割结果。     

广义Gamma模型及自适应KI阈值分割的SAR图像变化检测

基于SAR图像的杂波统计特性,利用广义Gamma模型对降噪配准后的SAR图像统计特征进行拟合,获取了辐射值与局部纹理等特征信息;采用信息论中交叉熵的概念,量化不同时相SAR图像统计特征间的差异程度;利用KS与KL检验相结合,自动选取对差异图拟合情况最好的模型,从而实现基于该模型的KI阈值分割。通过对天津市北辰区以南地区的两幅Radarsat图像,以及北京市顺义区的两幅ASAR图像的实验表明,所提出的方法不仅有效地避免了水面波纹变化所产生的大量虚警,并能有效地检测出传统方法所不能识别的,区域内均值不变,仅纹理发生变化的情况。     

基于分布模型差异的SAR变化检测

基于SAR图像的杂波统计特性,采用信息论中的交叉熵给出了一种提取多时相SAR图像差异的方法.采用瑞利分布函数作为SAR图像的分布模型,基于交叉熵导出了计算两幅SAR图像的差异因子;并采用恒虚警率(CFAR)的方法自动分割变化区域,取得了较好的结果.     

基于Voronoi几何划分和EM/MPM算法的多视SAR图像分割

基于区域和统计的SAR分割方法,提出一种结合Voronoi划分技术、最大期望值EM(Expectation Maximization)和最大边缘概率MPM(Maximization of the Posterior Marginal)算法的多视SAR图像分割方法。首先利用Voronoi划分将图像域划分成不同的子区域,而每个子区域可以被看成待分割同质区域的一个组成部分,并假设每个子区域内的像素满足同一独立的Gamma分布,从而建立多视SAR图像模型,并在贝叶斯理论架构下建立图像分割模型,然后结合EM/MPM算法进行图像分割和模型参数估计。该方法将基于像元的马尔可夫随机场(Markov Random Field,MRF)模型扩展到基于区域的MRF模型,并且能同时有效地获取模型参数估计和基于区域的SAR图像最优分割。采用本文算法,分别对RADARSAT-Ⅰ/ⅡSAR强度图像和合成SAR强度图像进行了分割实验,定性和定量的测试结果验证了本文方法的有效性、可靠性和准确性。     

四叉树与多种活动轮廓模型相结合的遥感影像水边线提取方法

通过对测地线活动轮廓(GAC)模型、Chan-Vese(CV)模型、局部二值拟合(LBF)模型的分析,将基于边缘和区域的活动轮廓模型以及基于四叉树的影像分割方法有机结合,提出了一种基于四叉树和多种活动轮廓模型的水边线提取方法。该方法首先对影像进行四叉树分割,为模型演化提供初始轮廓;然后利用CV模型的全局区域图像统计信息和LBF模型的局部区域图像统计信息构造新的符号压力函数,利用改进的符号压力函数代替GAC模型的边界停止函数,有效地改善了GAC模型提前停止演化和过度演化的问题;最后采用二值选择和高斯滤波正则化水平集方法(SBGFRLS)进行演化,避免了重新初始化和规则化,提高了水平集演化的效率。试验结果表明该方法对于包括弱边缘和严重凹陷边缘的水边线提取效果均良好,具有亚像素提取精度,并且提取速度快、稳定性好。     

SAR图像河流分割的加权指数区域能量模型

传统主动轮廓模型很难实现精确的SAR图像河流分割。针对这一问题,本文提出了一种加权指数区域能量主动轮廓模型,以精确地提取SAR图像中的河流。该模型在Chan-Vese(CV)模型能量泛函中引入了指数区域能量,能更好地衡量分割图像和原始图像的差异程度,提高模型的分割准确性。此外,利用目标区域和背景区域内像素灰度的最大绝对差取代模型中常值区域能量权重,自适应地调节目标区域和背景区域的能量比重,加速曲线运动到目标区域的边缘,获得更高的分割效率。针对实际河流SAR图像进行了分割试验,结果表明:与传统主动轮廓模型相比,本文提出的模型能更快速、精确地分割SAR图像中的河流,在分割结果和分割效率两方面具有优势。     

机载激光雷达数据分析与反演青海云杉林结构信息

利用机载激光雷达点云数据,计算了9种度量指标,并将其分为冠层的高度指标、结构复杂度指标和覆盖度指标。利用高度指标和结构复杂度指标,结合大量实测单木结构与年龄估测数据,从样点和区域尺度分别分析了青海云杉林冠层垂直结构分布,分析得知实验区内主要以中龄林和成熟林为主,冠层垂直分布复杂程度偏低,高度分化程度一般。通过回归分析发现首次回波覆盖度指标FCI与实测的有效植被面积指数PAI_e有良好的相关性（R²=0.66）,在此基础上基于辐射传输模型反演了实验区内PAI_e的水平分布,且用实测数据验证发现反演的PAI_e略高于实测值（R²=0.67）,绝对平均误差为0.65。分析结果很好地反映了激光雷达在森林空间结构信息提取方面的应用潜力。     

遥感影像的海岸线自动提取方法研究进展

海岸带是人类活动集中且容易受到破坏的区域之一,快速而准确地实现海岸线的提取对海岸带管理及海岸带演化研究具有十分重要的意义。遥感技术因其大范围、高效率、低成本等突出优势逐渐成为一种实现海岸线提取及监测其动态变化的方式,克服了传统海岸线测绘方法的时间周期长、劳动强度大等缺点。本文综述了近些年提出的基于遥感影像的海岸线自动提取方法的研究进展。首先给出了海岸线的定义与分类,阐明了瞬时水边线及真实海岸线提取两个阶段及具体的提取流程,重点论述了通过提取瞬时水边线,进而获取真实海岸线的阈值分割方法、边缘检测算子方法、活动轮廓模型方法、数据挖掘方法、多分辨分析方法、面向对象方法、极化方法及其他方法,分析和比较了各种方法的优缺点,阐述了海岸线校正原理及精度评价方式,并对下一步的研究工作进行了展望。     

SAR图像海岸线检测的区域距离正则化几何主动轮廓模型

合成孔径雷达(SAR)卫星遥感图像可以极大地提高全国海岸线覆盖频率,然而受到海洋波浪所引起的随机海水表面粗糙度的影响,海岸目标与海水背景边界易混淆不清,因此本文提出了基于区域距离正则化几何主动轮廓模型(RDRGAC),引入距离正则项,解决重复初始化水平集函数为符号距离函数的问题,提高了算法收敛速度。此外,将区域面积项系数与SAR图像等效视数(ENL)建立非线性拟合关系,实现RDRGAC模型根据不同SAR遥感图像的自适应调整,改善海岸线自动提取精度。通过河北省北戴河和大连市金州湾SAR数据海岸线提取对比试验,验证了所提方法的有效性。     

指数型多尺度影像序列的C-V模型SAR岸线快速自动分割

为提高SAR影像岸线自动分割的精度和效率,针对传统二进制(影像序列生成的金字塔步长底数为a=2)多尺度C-V模型对初始条件敏感、收敛速度低的问题,提出指数型(影像序列生成的底数为a≥1)多尺度影像序列生成方法,本方法将传统多尺度影像序列的生成方式的底数2量化为a≥1的任意数,并应用筛选因素进行自动地快速识别海岸线。从海岸线分割结果和所需时间方面与已有传统二进制C-V模型算法进行对比,实验表明本文算法在保证精度的条件下单次迭代逼近海岸线的计算量上小于传统即二进制多尺度C-V模型的单次迭代计算量,总迭代次数有所减少,时间效率有所提高,提高了岸线自动分割的精度和效率。     

一种四叉树和测地线活动轮廓模型相结合的海陆影像分割方法

海陆影像分割对于后续的海岸线提取、潮间带地形反演、海岸演化状况分析等都具有十分重要的意义。本文在分析了四叉树、测地线活动轮廓(GAC)模型和Canny边缘检测算子等在海陆影像分割中优缺点的基础上,提出了一种四叉树、Canny算子和GAC模型相结合的海陆影像分割方法。该方法综合利用上述各方法的优点,将Canny算子边缘检测结果融入到基于四叉树初分割的GAC模型中,重构边界停止函数,演化水平集方程,实现海陆影像分割。试验结果表明,该方法具有海陆影像分割速度快、精度高、可靠性强和自动化程度高等优点,对于弱边缘以及严重凹陷边缘,都能实现自动和准确分割。     

Fractal Genetic Model in Change Detection of SAR images

The paper presents an effective way of detecting the changes of multi-temporal synthetic aperture radar (SAR) images. An accurate unsupervised change detection method that combines the intensity information and the fractal dimension of SAR images is proposed based on the fractal genetic model (FGM). The model computes firstly the local fractal dimension of the SAR images to obtain the fractal image and next a new proposed measure (D) is calculated from the normalized ratio of SAR images and the normalized difference of fractal images. Finally, the change map is derived by minimizing a cost function using a genetic algorithm (GA) on the derived image from the measure. Experimental results of detecting changes from SAR images acquired by ASAR on board ENVISAT and ALOS-PALSAR reveal that the proposed method is an effective and efficient tool for change detection from SAR images.     

Unsupervised change detection in multitemporal SAR images using MRF models

An unsupervised change-detection method that considers the spatial contextual information in a log-ratio difference image generated from multitemporal SAR images is proposed. A Markov random filed (MRF) model is particularly employed to exploit statistical spatial correlation of intensity levels among neighboring pixels. Under the assumption of the independency of pixels and mixed Gaussian distribution in the log-ratio difference image, a stochastic and iterative EM-MPM change-detection algorithm based on an MRF model is developed. The EM-MPM algorithm is based on a maximiser of posterior marginals (MPM) algorithm for image segmentation and an expectation-maximum (EM) algorithm for parameter estimation in a completely automatic way. The experiment results obtained on multitemporal ERS-2 SAR images show the effectiveness of the proposed method.     

区域Gamma混合模型的SAR图像分割

针对传统Gamma混合模型用于SAR图像分割时忽略像素间空间相关性,导致分割结果不连续并产生大量误分割的现象,提出了区域Gamma混合模型的SAR图像分割算法。首先对图像进行分水岭分割,得到过分割区域块,然后将其作为输入样本进行基于Gamma混合模型的聚类,在模型的参数估计过程中进一步考虑区域间的空间相关性,设计邻域因子融入到迭代过程,得到邻域加权类分布概率。该算法充分利用像素间的空间相关性,能够降低噪声对分割结果的影响。通过合成图像和真实SAR图像的实验表明,本文算法能够实现SAR图像的准确分割。