不同极化方式SAR与TM融合影像滨海湿地分类精度比较

以覆盖黄河口湿地区域的Radarsat-2 SAR全极化影像和Landsat-5 TM影像为例,将4种极化方式的SAR影像与TM影像分别进行融合,采用支持向量机对融合结果进行滨海湿地典型地物土地覆盖分类,并对分类结果进行比较评价,分析不同极化方式的SAR影像与TM影像融合结果在滨海湿地地区的分类能力。实验结果表明:采用与SAR影像融合的方法能够提高TM影像的分类精度,其中HV极化方式的SAR影像与TM影像的融合结果分类精度最高,最适用于滨海湿地土地覆盖分类研究。     

PolSAR数据区域海冰LSSVM分类

本文给出了一种结合影像分割和最小二乘支持向量机(Least Square Support Vector Machine,LSSVM)的海冰监督分类方法。考虑到SAR数据的斑点噪声影响分类精度,首先利用分水岭算法和等级区域合并执行影像分割,利用分割后的区域代替像素开展分类研究,由于分割尺度影响分类精度,文中利用LSSVM算法对不同尺度下的分割结果执行分类,通过评估分类精度确定最优分类结果及其对应最优分割尺度,从而克服经验选择分割尺度缺乏理论依据的不足。利用两组SIR-C数据验证了算法,实验结果表明本文算法的总体分类精度超过85%,能较好的识别不同类型的海冰。     

基于HAC的溢油SAR图像分割算法

图像分割是SAR溢油检测中的关键步骤,但由于SAR影像中存在斑点噪声,使得一般的图像分割算法难以收到理想的效果,严重影响溢油检测的精度.发展一种基于凝聚层次聚类(Hierarchical Agglomerative Clustering,HAC)的溢油SAR图像分割算法.该算法利用多尺度分割的思想,能够有效保持SAR影像中溢油斑块的形状特征,并能减少细碎斑块的产生.利用2010年墨西哥湾的Envisat ASAR影像开展了溢油SAR图像分割实验,并将该算法和Canny边缘检测、OTSU阈值分割、FCM分割、水平集分割等方法进行了对比.结果显示,HAC方法可以有效减少细碎斑块的产生,有助于提高SAR溢油检测的精度.     

机载波谱仪斑点噪声去除方法对比分析

针对斑点噪声降低机载波谱仪海浪谱反演精度问题,基于STORM机载波谱仪VALPARESO试验数据,分别使用数学法、阈值法、交叉谱法和小波分析法四种斑点噪声去除方法对其进行去噪处理,得到了去噪前后调制密度谱、海浪谱和噪声谱,并将反演所得海浪谱有效波高与同步观测的浮标结果进行了对比,最后对四种方法的去噪效果以及噪声谱特性进行了分析与评价。结果表明:四种去噪方法均可以有效去除斑点噪声,按照反演精度排序依次为交叉谱法、阈值法、小波分析法和数学法,其中交叉谱方法去噪效果最理想,RMSE仅为0.008,有效波高绝对误差为0.25m,相对误差为7%。     

基于多尺度纹理和光谱信息的海岛土地利用遥感分类方法研究

本文基于灰度共生矩阵提取多尺度纹理指数影像,将纹理指数影像作为逻辑波段与原始影像波段组合,进行最大似然监督分类的实验,以改善单纯基于像元光谱影像分类技术的不足。利用SPOT-5卫星遥感影像对西门岛土地利用分类的实例进行分析。结果表明,由SPOT-5遥感影像第一波段和第二波段计算所得的相关性和同质性纹理指数影像以及由第三波段计算所得的均值纹理和第四波段计算的同质性纹理指数影像,对海岛土地利用分类精度的提高均有较为显著的效果,其中加入多尺度纹理信息后西门岛土地利用遥感影像分类的总体精度由75.41%提高到89.41%。     

基于合成孔径雷达影像的海洋溢油纹理特征参数分析

溢油已是当前海洋生态环境破坏的主要因素之一,因此对海洋溢油的检测分析是当前海洋环境保护的一个重要课题。传统的溢油提取仅仅是单独依靠光学影像的光谱信息或者合成孔径雷达(SAR)影像的后向散射系数信息进行提取,这会造成很多同谱异物或者粗糙度相近似的地物错分,因此除了利用传统的影像信息以外,还需结合影像的纹理信息,从而提高溢油提取的精度,减少错分地物的数量。选用2006年渤海地区的三景同轨SAR影像作为数据基础,应用基于灰度共生矩阵的方法对其进行纹理分析。该方法可以很好地对图像区域和表面进行感知并能够从像元的灰度相关性上对纹理特征进行详细描述,因此适合于SAR影像的海洋溢油检测。在纹理分析的过程中有很多的参数需要选择,参数选择的好坏将直接影响最终提取结果的精度。通过对纹理分析过程中的参数进行讨论、实验、选择与验证,最终确定了基于灰度共生矩阵纹理分析中各参数的值,并选择了局部平稳、非相似性、对比度、变化量4个特征量作为溢油提取的纹理特征统计量。将纹理特征与SAR自身的后向散射系数相结合,通过神经网络分类法对其进行分类,并计算出分类精度为80.65%,分类效果良好。由此说明了将影像的传统信息与纹理信息相结合进行溢油提取是一种可行而有效的方法,同时也为后续的海洋溢油检测工作奠定了一定的基础。     

基于序列非线性滤波SAR影像水体自动提取

由于合成孔径雷达（SAR）图像中固有斑点噪声的强烈影响，某些对于光学图像有很好效果的目标提取区域分割方法，但是对于SAR图像来说，效果不很好，针对水体目标的亮度及形状分布特征，不作阈值分割处理，而采用序列非线性滤波处理方法，可以快速有效地实现SAR影像水体目标的自动提取识别。     

基于SAR极化比和纹理特征的海面溢油识别方法

针对海洋表面SAR影像的特点，采用基于灰度共生矩阵的纹理特征方法是提取海面溢油信息的常用方法，但实际海洋表面复杂的信息使得SAR图像上产生类似溢油现象的暗斑区域，这导致在利用纹理特征方法提取溢油信息时存在虚警率，降低了溢油信息的提取精度。基于RADARSAT-2 SAR四极化影像，本文提出基于SAR极化比影像的纹理特征识别方法对海面油膜进行识别提取。结果显示，基于SAR极化比影像的纹理特征识别方法可以有效且准确地提取海面溢油信息，相比于VV极化影像的纹理特征识别方法，溢油监测过程中的虚警率降低了17.96%，溢油监测总体精度达到96.83%。     

Sentinel-1与Sentinel-2影像联合的黄河三角洲湿地信息提取

针对目前湿地信息提取中存在的“同物异谱”、“同谱异物”问题,以黄河三角洲自然保护区为实验区,采用在信息提取方面具有优势的典型相关森林算法,将Sentinel-1A雷达影像和Sentinel-2A多光谱影像作为基础数据,考察分别应用多光谱影像、合成孔径雷达(Synthetic Aperture Radar,SAR)和多光谱二者综合、SAR纹理特征以及植被指数对湿地信息提取的效果和适用性。研究结果表明:(1)基于Sentinel-2A多光谱影像,在分类方法上,典型相关森林(canonical correlation forest,CCF)的总体精度最高,达到94.32%,与支持向量机和随机森林分类算法相比分别提高了6.55%和5.47%;(2)基于Sentinel-2A多光谱影像和Sentinel-1A后向散射系数的CCF总体精度达到了94.89%,与只利用多光谱影像相比,3种算法的总体精度和Kappa系数均得到了提升;(3)在SAR和光学联合的基础上加入SAR纹理特征后总体精度和Kappa系数均略有下降,分别为94.72%和0.935 3;(4)在SAR和光学联合的基础上加入归一化差分植被指数(NDVI)、比值植被指数(RVI)、差值植被指数(DVI)、归一化差分红外指数(NDII)和差分红外指数(DII)5种植被指数后,总体精度达到了最高为95.35%,7种地物的生产者精度有所提高,有效提高了对黄河三角洲湿地信息的提取能力。实验结果可为黄河三角洲湿地的合理开发和有效保护提供科学支持。     

基于衰落统计特性的SAR图像仿真方法分析

合成孔径雷达(SAR)图像的斑点噪声严重阻碍了其数据的解译和应用,从数学物理的观点描述SAR图像的衰落统计特性,并将仿真结果与真实SAR图像作比较,得出两者具有一致性,最后提出根据SAR图像衰落统计特性的目标检测方法。     

基于复contourlet域隐马尔科夫树模型的海面溢油合成孔径雷达图像相干斑抑制

海面溢油SAR图像中的相干斑噪声严重影响了后续的图像分割、特征提取和分类.为了更有效地抑制海面溢油SAR图像相干斑,文中提出了一种基于复contourlet域隐马尔科夫树模型的海面溢油SAR图像相干斑抑制方法.首先对观测图像取对数并进行复contourlet变换;然后在复contourlet域中用隐马尔科夫树模型对相邻尺度间的带通方向子带系数进行建模,并依据贝叶斯最小均方误差准则估计无噪系数;最后进行逆复contourlet变换和指数变换,得到相干斑抑制后的图像.大量实验结果表明,与Lee、Kuan、Frost及Gamma Map等4种经典滤波方法以及小波域和contourlet域隐马尔科夫树模型方法相比,文中方法从主观视觉和客观定量评价两方面来看综合性能更为优越,是一种行之有效的SAR遥感图像海面溢油检测的预处理方法.     

基于多特征多核学习的全极化SAR溢油提取方法

全极化合成孔径雷达(Synthetic Aperture Radar,SAR)数据具有丰富的极化信息,能够提取出大量异构性特征。核学习方法在解决小样本、高维特征分类问题上具有优势,但异构特征对不同核函数具有响应差异。本文利用一种引入先验标签的多核学习方法进行全极化SAR的溢油信息提取,即基于分析结果对特征集进行遴选与组合,分别在每个特征组合中训练得到一个预备层核函数,以新获取的预备层核函数作为新的底层核函数,对全部特征进行学习分类。通过提取与分析溢油和海水的统计特征、物理散射特征和纹理特征,建立溢油全极化SAR特征谱,并利用引入先验标签的多核学习分类器进行溢油提取实验。结果表明,该方法能够利用全极化SAR多维异构特征的互补特性有效提高溢油分类提取精度。     

A Physically Consistent Speckle Model for Marine SLC SAR Images

A new physically based speckle model for marine single-look complex (SLC) synthetic aperture radar (SAR) images is here presented and investigated. The model allows using full-resolution SAR images instead of multilook SAR images, in which, at the expense of a coarser spatial resolution, the speckle is mitigated. The model is based on the three-parameters generalized-K (GK) probability density function (pdf). GK pdf is a suitable physically-based speckle model for marine SAR images ensuring a continuous and physically consistent transition among different scattering scenarios. This speckle model embodies Rayleigh, K, and Rice scattering scenes which are typical of marine scenes. The use of the three parameters, related to the GK pdf ones, is able to highlight the presence of both low backscattering areas and areas in which a small dominant scatterer is present. This is operationally interesting in SAR oil spill detection procedures.     

基于DRLSE模型的SAR溢油提取方法

为提高海上溢油轮廓SAR提取精度,验证了FCM(Fuzzy C-Means Algorithm)与DRLSE(Distance Regularized Level Set Evolution)模型结合的方法提取SAR溢油信息的有效性;鉴于其无法避免细小噪音的影响以及薄油膜提取效果不好的问题,提出了阈值和DRLSE模型结合的溢油信息提取方法,通过阈值构建溢油区域初始轮廓,克服了图像细小噪声对溢油提取的影响,更有利于提取薄油膜信息,溢油提取精度优于H/A/alpha-Wishart非监督分类方法和FCM与DRLSE模型结合的方法。     

基于纹理特征的围填海SAR图像分水岭分割方法

本文提出了一种基于纹理特征的围填海SAR图像分水岭分割方法,首先对机载MiniSAR图像进行灰度共生矩阵纹理滤波,获得纹理特征图像,再对纹理特征图像进行分水岭算法分割,将获得的形态学重建图像进行门限阈值分割,得到最后的二值化分割结果。该方法一方面通过调整灰度共生矩阵纹理滤波的窗口大小,抑制了斑点噪声的影响;另一方面,利用分水岭算法对边缘模糊杂乱图像的优势,提高了围填海信息提取的准确性。实验结果表明,本方法对高分辨率SAR图像围填海监测图像的分割效果良好。     

溢油SAR图像分类中的纹理特征选择

针对海洋SAR图像的特点,采用基于灰度共生矩阵的纹理分析方法,提出适用于海洋溢油SAR图像分类的纹理特征量。并讨论了纹理特征量的筛选和纹理窗口大小的确定等问题。最后采用人工神经网络方法验证了SAR图象分类效果。     

一种快速非局部平均合成孔径雷达海洋图像斑点噪声抑制方法

合成孔径雷达在海洋环境监测和海洋研究中扮演着越来越重要的角色。受其成像机制的影响，合成孔径雷达图像总是受到斑点噪声的污染。斑点噪声的存在会增大目标识别、跟踪和分类的难度，也会降低雷达信号的信噪比。合成孔径雷达海洋图像具有一些特殊的性质：海洋现象在雷达图像中主要呈现为条带状或斑块状的结构。这些条带状或斑块状的结构呈现出高度的自相似性或信息冗余。非局部平均方法能够衡量图像中不同图像块之间纹理结构的相似性，并利用图像的自相似性对图像进行去噪。但非局部平均去燥方法存在计算量巨大、计算耗时长的缺点，这几乎限制了其实际应用。本文采用一种自适应方法将雷达图像中的像素点区分为纹理区像素点和平坦区像素点。对纹理区像素点，采用较大的相似窗和搜索窗，对平坦区像素点，采用较小的相似窗和搜索窗，从而提高计算速度。进一步，本文基于计算统一设备并行架构（CUDA）技术，利用计算机图形处理器（GPU）对前述算法进行并行加速。与经典非局部平均算法相比，加速后算法的计算效率提高了200倍。     

一种基于Curvelet变换的合成孔径雷达海洋内波图像的斑点噪声抑制方法

合成孔径雷达是海洋内波研究中最重要的工具之一。雷达图像中的斑点噪声会严重降低图像的质量,这一问题在处理和分析信号较弱的二模态内波信号和上升型内波信号时极为明显。合成孔径雷达图像中的海洋内孤立波的信号具有明显的尺度性和方向性。同时,curvelet变换作为一种同时具备尺度分辨率和方向分辨率的数学变换,能够对一幅雷达图像在不同尺度、不同方向和不同位置上进行分析。本文给出了一个基于curvelet变换的合成孔径雷达海洋内孤立波图像的斑点噪声抑制方法。该方法可简述为：(1)对一幅合成孔径雷达海洋内孤立波图像进行curvelet变换,获得curvelet系数;(2)分别仅仅保留一个尺度的系数,将其它尺度的系数置为零,利用处理之后的系数分别重建图像,得到仅仅用一个尺度的系数重建的图像;(3)分别计算上一步中得到的图像的均方差,根据波浪理论,图像的方差代表能量,方差越大则能量越大,以此可以确定内波信息集中的尺度;(4)在每个尺度下,分别计算每个方向的curvelet系数矩阵的平均值,以此确定内孤立波信号集中的方向;(5)在上两步工作的基础上,仅仅保留内波信号集中的尺度和方向的系数,而将其它尺度和方向的系数置为0,得到一幅提取主波信息的图像;(6)将上一步得到的提取主波信息的图像加回到原始图像中,从而达到增强波浪信息并抑制斑点噪声的目的。大量的实验验证表明,该方法不仅能有效地压制斑点噪声,而且能有效地增强波浪信号。     

基于双极化SAR图像的U-Net海冰多分类模型

北极多年冰在近几十年有明显的减少趋势,与北极海冰的厚度、体积和夏季最小海冰范围的减少密切相关。合成孔径雷达(synthetic aperture radar, SAR)具有全天时、全天候成像能力,基于SAR卫星影像的海冰分类对监测北极多年冰具有重要意义。基于深度学习U-Net模型,以SAR图像的双极化信息为模型输入,构建了像素级的海水、一年冰和多年冰多分类模型。与已有SAR图像海冰分类方法(支持向量机、随机森林和卷积神经网络)进行对比,基于双极化SAR图像的U-Net海冰分类模型的准确率、平均重叠度和Kappa系数,分别达到了90.73%、0.831和0.849,优于其他对比模型,分别提升了4.08%～19.04%, 0.063～0.321和0.111～0.335。此外,针对SAR图像水平-垂直极化(horizontal-vertical polarization, HV)有明显的条状热噪声和水平-水平极化(horizontal-horizontal polarization, HH)受入射角效应而亮度不均匀的特点,设计敏感性实验,研究HV噪声、入射角和灰度共生矩阵(gray leve...