利用边界链编码和HMM进行SAR图像阴影建模和分类

针对利用合成孔径雷达图像中的阴影信息进行目标识别的问题,提出了一种边界链编码和隐马尔可夫模型(HMM)相结合的合成孔径雷达图像目标识别方法。该方法利用链编码技术来描述SAR图像阴影边界的形状,可以很好地反映形状的特性,且计算上很有效;利用HMM统计建模方法对阴影边界的链编码进行建模和分类,从而实现SAR图像的自动目标识别。使用MSTAR数据库中的SAR图像数据对该方法进行了验证和分析,分类结果证明只利用阴影信息进行分类的可行性,且该方法可以有效地实现SAR图像的目标识别。     

空间目标三维姿态估计方法

提出了一种利用天文观测图像对卫星及其子部件三维姿态进行估计的方法。该方法利用等积剖分格网建立多视角姿态模型数据库,利用基于混合噪声的最大似然算法对观测图像进行图像复原与滤波等预处理,然后进行分割和几何特征提取,提出了一种尺度不变的特征检索方法对卫星几何特征进行编码,并在姿态数据库中进行最小距离匹配,最终估计出空间目标的三维姿态。实验结果验证了本文姿态估计方法的有效性和准确性。     

多方位角图像决策融合的SAR目标识别

提出了一种基于多方位角图像决策融合的合成孔径雷达(SAR)图像目标识别方法。对目标切片图像用二维小波分解和主成分分析提取特征向量,利用支持向量机对特征向量进行分类,用贝叶斯方法对目标多幅不同方位角下图像的分类输出进行决策融合,得到最终类别决策。用MSTAR数据库中3个目标进行识别实验,实验结果表明,对3幅以上不同方位角的图像进行决策融合时,该方法可显著提高目标的正确识别率。该方法是一种有效的SAR图像目标识别方法。     

基于流形学习的高分SAR图像建筑区提取方法

高空间分辨率(简称"高分")SAR图像具有高维非线性特点,以高维空间蕴含的低维流形描述SAR图像,会更有利于目标识别。将流形学习应用到高维SAR目标识别的特征表达中,提出一种新的高分SAR图像建筑区提取方法。首先,对高分SAR图像进行预处理;然后,采用灰度共生矩阵(gray level co-occurrence matrix,GLCM)提取8种纹理特征,与灰度图像共同构建SAR图像的高维特征集;利用自适应邻域选择的邻域保持嵌入(adaptive neighborhood selection neighborhoods preserving embedding,ANSNPE)算法对高维特征集进行特征提取,提取出新的特征;最后,通过阈值分割及后处理提取建筑区,并进行精度评价。选择Terra SAR-X数据进行实验研究,结果表明,ANSNPE算法能够从高分SAR图像中有效提取建筑区,并具有较强的泛化能力;通过训练数据获得的投影矩阵可直接应用到新样本中,建筑区提取精度达85%以上。     

星载合成孔径雷达回波数据仿真研究

本文对星载合成孔径雷达（SAR）图像仿真方法进行了研究,在分析并建立合成孔径雷达回波信号数学模型的基础上,提出了基于分布目标的SAR回波信号数据仿真,进而提出了一种与传统实现方法不同的SAR原始回波数据的生成方法,并用这种方法进行了初步的建模和仿真,验证了其有效性。     

高分辨率、多时相SAR图像数据集的构建

近20年来,SAR图像理解与信息反演是一个得到广泛、深入研究的世界性难题。即使在高分辨率条件下,由于相干斑噪声、结构极度敏感性、几何畸变、成像系统干扰等原因,SAR图像的高可信解译依然非常困难。SAR测试样本数据集是发展SAR图像解译与目标认知技术的基础与支撑。但SAR数据集并不是各种SAR数据的简单收集,而是要根据研究内容的需要,制定试验方案,科学地选择样本并进行样本真值标注,并且尽可能收集各种多源辅助数据以相互验证。笔者以上海交通大学闵行校区为场景,构建了一个以高分辨率、多时相SAR图像为主的试验数据集,其由高分辨率SAR数据、地表真值标注、多源辅助数据3个主要的部分组成。笔者认为,该数据集的构建能够为高分辨率SAR图像解译、信息反演和目标识别提供高可信的、实时的、丰富的地表和目标真值信息,能够促进这些研究和相关测试工作的进展。     

基于D-S证据理论的多特征融合SAR图像目标识别方法

针对应用单特征SAR图像进行目标识别准确率低的问题,提出了一种将支持向量机(support vector machine,SVM)和D-S证据理论(Dempster-Shafer,D-S)相结合的多特征融合SAR图像目标识别方法.该方法在对SAR图像预处理的基础上,提取目标的纹理、Hu不变矩和峰值特征,并分别以这3类单特征的SVM分类结果作为独立证据,构造基本概率指派,通过D-S证据的组合规则进行融合,并根据分类判决门限给出最终的目标识别结果.将该方法用于SAR图像上的3类目标识别,识别率达95.5％,表明该方法是一种有效的SAR图像目标识别方法.     

国产单极化SAR数据在锰渣尾矿库自动化识别中的应用

为了挖掘国产单极化SAR数据在自动化识别尾矿库中的作用,辅助光学数据以提高锰渣尾矿库的识别精度,针对锰渣尾矿库及其在光学遥感图像中容易混淆的目标,从定性的角度分析了二者的散射特性以及在SAR图像中的差异特点;并开展锰渣尾矿库自动化识别研究;利用面向对象的方法对光学遥感图像进行分割;选取典型锰渣尾矿库及其易混淆目标,进行纹理特性计算。实验结果表明:可以通过纹理特征有效地建立锰渣尾矿库在雷达图像中的识别规则,为实现光学遥感数据和雷达数据相结合的计算机自动识别锰渣尾矿库提供基础。     

利用方向性粗糙度特征对SAR图像目标检测的研究

从反映纹理信息的粗糙度特征出发,深入研究利用方向性粗糙度特征对SAR图像进行目标检测的方法.方向性粗糙度特征是用指数小波在一个尺度上对检测图像滤波,对特定大小目标用能量关系函数求得各像素点在一个方向上的分形特征.针对MSTAR数据和ADTS数据的SAR图像,确定了用该方法检测目标时的最优参数.分别用方向性粗糙度特征和恒虚警率(CFAR)方法对上述两种不同波段的SAR图像进行目标检测,检测结果表明:方向性粗糙度特征能以更低虚警率检测出全部特定大小的目标,而且目标空间可分辨性好、位置指示准确.     

基于Grab Cut和二维熵的SAR图像目标分割方法

传统的Grab cut算法需要人工交互操作,无法实现SAR图像的自动分割;且SAR图像的斑点噪声干扰容易降低图像的分割质量。针对以上问题,文中以Grab Cut图像分割算法为基础,首先利用FCM算法对SAR图像进行预分割,根据预分割结果标记SAR图像中的前景与背景集合,得到两组较为准确的GMM初始化参数,迭代求得能量函数的最小化,实现SAR图像前景区域与背景区域的自动分割;并结合二维熵算法滤除SAR图像中的阴影,分割出目标区域。实验表明,利用该方法可自动分割出SAR图像中的目标,且分割质量良好。     

ECM算法的多视SAR影像分割

多视SAR影像像素强度通常建模为Gamma分布,其形状参数为常数(视数)。实验表明,多视SAR影像分割时,设Gamma分布的形状参数为变量可取得更好的分割结果。由于Gamma分布中形状参数以Gamma函数的形式出现,利用EM算法求解时无法获得形状参数的解析解。为此,本文提出了一种基于Expectation/Conditional Maxinnization(ECM)算法的多视SAR影像分割方法。利用ECM算法估计最大化后验概率条件下的Gamma分布参数及表征最优多视SAR影像分割的标号场实现。采用模拟和真实多视SAR影像验证提出算法。实验结果表明,Gamma分布的形状和尺度参数均能快速收敛到稳态值,且以此得到各同质区域的Gamma分布曲线可以很好地拟合其直方图。通过对分割结果的定性和定量分析,可知提出算法具有有效性和可行性,且优于EM算法。     

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。     

Speckle filtering of Synthetic Aperture Radar images using filters with object-size-adapted windows

Speckle degrades the radiometric quality of a Synthetic Aperture Radar (SAR) image. Previous methods for speckle reduction have used a fixed-size window for filtering the entire image. This, however, may not be effective for the entire image, as land covers of different sizes require different filtering windows. In this paper, a novel method is proposed by which each pixel in the image is filtered with a window appropriate for the size of object within it. The real in-phase and the imaginary quadrature components of the SAR images determine the best window size and the pixels in the intensity image are filtered using their own optimal windows. The proposed method is presented for both single- and multi-polarized SAR images, and the results of several common filters that were modified are presented. This approach is applied to two RADARSAT-2 images: one over San Francisco, California, USA and the other over St. John’s, Newfoundland and Labrador, Canada, producing results that were similar to, or outperformed, comparable filters while retaining details and suppressing speckle effectively. While the method was successful for single-look intensity data, it offers great potential for multi-look and amplitude data as well.     

带有区域分裂自适应细化过程的SAR海冰图像分割

受海冰自身特性、成像系统特性和环境因素的影响,合成孔径雷达SAR海冰图像具有非平稳、尺度依赖的空间结构,现有的单马尔可夫随机场MRF模型分割方法只能较好地适应非平稳性,对海冰场景的多尺度结构考虑仍然是全局的。为此,本文提出了一种区域分裂过程与二叉树分层结构自适应更新相结合的单MRF图像分割方法。首先利用单MRF模型的全局迭代权值完成初始区域合并,同时以二叉树形式保护合并过程的记录。所设计的分层合并算法可保证二叉树结构的节点数与场景中的对象尺度具有正相关性。随后的细化分裂并不产生新的区域,只是返回到初始配置。依据场景中不同区域对象的尺度,自适应地调整空间语境模型中的尺度权值,实现区域更新。实验表明,该方法有效提高了带有多尺度结构SAR海冰场景的分割精度。     

基于有理函数模型的星载SAR影像几何校正

主要研究了面向星载合成孔径雷达SAR(Synthetic Aperture Radar)影像几何处理的有理函数模型RFM(Rational Function Model)的建模、求解和应用方法。首先采用与地形无关的方式,利用严密的距离-多普勒模型(Range Doppler,RD)构建虚拟控制点格网来进行RFM建模,实现了一种RFM模型参数的快速无偏解算新方法,能够取得相对于RD模型很高的拟合精度,在几何定位功能上实现了对RD模型的有效替代,同时大大提高了计算效率。然后在此基础上利用RFM模型实现了星载SAR影像的快速几何校正,为了提高几何校正结果的绝对定位精度,引入少量地面控制点对RFM模型进行了像方改正处理,以消除SAR影像几何定位的系统误差,并利用ENVISAT ASAR数据的实验结果验证了本文方法的有效性。     

Rational function modeling for spaceborne SAR datasets

As a kind of generic sensor model, the rational function model (RFM) has been widely used in geometric processing of optical images, but has not yet been applied to SAR datasets. In this article the feasibility and methodology of rational function (RF) modeling for SAR datasets are investigated. After a review of the mathematic formulation of the RF model and the Range-Doppler model for SAR systems, the feasibility of applying RFM to SAR datasets is analyzed. Afterwards a two-stage approach is proposed as the key technique for SAR RF modeling to solve unknown parameters of RFM in a fast and unbiased way. The effectiveness and advantages of this approach are demonstrated by comparisons with traditional methods. Experimental results obtained for various spaceborne SAR datasets of different processing levels show that RFM is a suitable replacement of the rigorous Range-Doppler model for spaceborne SAR images. Furthermore, the impacts of several factors including the control point grid size, the number of elevation layers, and the orbit precision on SAR RFM solutions are evaluated quantitatively. The results show that the number of elevation layers is a key factor in SAR RF modeling, and its value should be set carefully according to terrain conditions of study areas. Finally, potential applications of SAR RFM are discussed in brief.     

基于UML的青藏铁路项目管理系统的模型设计

使用Rational ROSE对青藏铁路项目管理系统的需求进行分析,并对本系统中主要模块———项目进度控制模块采用Rational ROSE进行建模,成功完成了该模块的模型设计和系统实现,用UML进行系统建模,使用不同的视图可以使系统分析人员从不同的角度、视角出发,对系统的需求、功能、边界等方面,描述目标软件系统的静态和动态结构,逻辑设计代替功能模块设计和实体关系设计,这一方法的使用解决了以前的功能和数据分离的问题、文档和实现的统一问题、以及模块中数据的组织问题。     

基于空间约束和结构特征的光学与SAR影像配准

针对光学和合成孔径雷达(synthetic aperture radar,SAR)影像间的几何形变和辐射差异造成的配准困难问题,提出一种基于空间几何约束和结构特征的光学影像与SAR影像自动配准方法.首先,利用分块的Harris算子在输入影像上提取分布均匀的特征点,根据有理函数模型对输入影像进行局部几何纠正,实现输入影像...