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.     

基于混合Gamma拖尾Rayleigh分布的高分辨SAR图像建模

针对已有统计模型无法精确刻画高分辨率SAR（Synthetic Aperture Radar合成孔径雷达）图像的统计特征的问题,本文提出一种基于乘积模型的统计模型称为混合Gamma拖尾Rayleigh分布模型。在该模型中,我们利用拖尾Rayleigh分布对相干斑进行建模,使模型可以精确拟合高分辨率SAR图像相干斑的尖峰和厚尾的特征;同时我们引入混合Gamma分布对高分辨SAR图像RCS（Radar Cross Section雷达散射截面积）复杂起伏特性进行表征。基于梅林变换,我们推导出混合Gamma拖尾Rayleigh分布对数累计量参数估计公式,提高参数估计精度,从而实现对高分辨率SAR图像的精确建模。最后我们通过真实SAR图像对本文提出的模型与已有模型进行比较。试验结果表明,本文提出的模型能够对不同的高分辨率SAR图像进行统计建模,并且具有较高的拟合精度。     

混合Gamma拖尾Rayleigh分布的高分辨SAR图像建模

提出一种基于乘积模型的统计模型,称为混合Gamma拖尾Rayleigh分布模型。在该模型中,利用拖尾Rayleigh分布对相干斑进行建模,使模型可以精确地拟合高分辨率合成孔径雷达SAR图像相干斑的尖峰和拖尾的特征;同时引入混合Gamma分布对高分辨SAR图像雷达散射截面积(radar cross section,RCS)复杂起伏特性进行表征。基于Mellin变换,推导出混合Gamma拖尾Rayleigh分布对数累计量参数估计公式,提高了参数估计精度,从而实现了对高分辨率合成孔径雷达SAR图像的精确建模。最后通过真实SAR图像对本文提出的模型与已有模型进行比较。试验结果表明,本文提出的模型能够对不同的高分辨率合成孔径雷达SAR图像进行统计建模,并且具有较高的拟合精度。     

利用纹理融合与广义高斯模型的高分辨率SAR影像变化检测

为了充分利用高分辨率SAR影像的纹理特征,提出一种纹理信息融合与广义高斯模型相结合的SAR影像变化检测方法。通过灰度共生矩阵计算影像的纹理特征进而构造纹理差异影像,利用离散平稳小波变换,融合灰度差异影像和纹理差异影像。然后利用广义高斯模型进行统计建模,估计融合后差异影像上变化类和未变化类的概率分布,利用KI阈值准则获取最佳分割阈值,实现多时相SAR影像的非监督变化检测。选取两组TerraSAR-X数据进行实验,结果表明融合纹理信息与广义高斯模型的变化检测方法可行,其中融合逆差距纹理信息的检测性能最优。     

基于小波系数统计特征的SAR图像恢复

基于小波系数统计特征，提出了一种SAR图像恢复方法。首先将对数变换后的SAR图像进行平稳小波分解，基于小波系数统计特征，用α—stable分布分别对纯净信号和噪声建模，估计出各部分模型参数后，用MAP估计器对处理后的SAR图像进行非线性处理来恢复出纯净图像。实验结果表明，该方法能在抑制噪声的同时最大程度地保持纹理细节。     

面向城市地物分类的SAR图像纹理特征提取与分析

合成孔径雷达(SAR)图像含有丰富的纹理信息,特别是进行城市地物分类时,纹理特征对于图像的解译具有重要的意义。本文对基于灰度共生矩阵和Gabor变换两种纹理特征提取方法进行了研究,将灰度和不同纹理特征组合应用于SAR图像城市地物分类,并以ALOS PALSAR影像为数据源进行了实验。通过对不同分类结果进行定性和定量分析,结果表明,引入纹理特征后的SAR图像分类结果要优于无纹理信息参与的分类结果,基于不同纹理特征组合的SAR图像分类结果要优于基于单一纹理特征的分类结果。     

面向城市地物分类的 SAR 图像纹理特征提取与分析

合成孔径雷达（ SAR）图像含有丰富的纹理信息,特别是进行城市地物分类时,纹理特征对于图像的解译具有重要的意义。本文对基于灰度共生矩阵和Gabor变换两种纹理特征提取方法进行了研究,将灰度和不同纹理特征组合应用于SAR图像城市地物分类,并以ALOS PALSAR影像为数据源进行了实验。通过对不同分类结果进行定性和定量分析,结果表明,引入纹理特征后的SAR图像分类结果要优于无纹理信息参与的分类结果,基于不同纹理特征组合的SAR图像分类结果要优于基于单一纹理特征的分类结果。     

利用纹理特征的SAR与光学图像融合方法研究

针对SAR与光学图像的融合问题,提出一种基于SAR图像中纹理特征的Contourlet变换融合方法。利用灰度共生矩阵法提取SAR图像的纹理特征,分析各个纹理特征间的相关性,得到重要纹理特征图。用HSV变换提取光学图像的强度分量。将重要纹理特征和强度分量利用改进的Contourlet多尺度变换融合,得到新的强度分量。通过HSV逆变换得到SAR与光学的融合图像。利用Landsat8和Cosmo-SkyMed图像进行融合实验,并与小波、HSV、Brovey、Contourlet变换融合方法对比分析,实验表明该方法能够较好的保持光学图像的光谱特征和SAR图像的纹理、强散射特征,增加图像细节信息,提高图像可解译性。     

多特征加权融合的高分SAR影像建筑区提取方法

机载SAR影像分辨率的不断提高使得图像纹理信息更加丰富,对地物分类和提取具有重要意义。针对建筑区的纹理特点,该文提出了一种综合统计和结构多特征加权融合的建筑区提取方法。分别采用经典的灰度共生矩阵方法提取统计纹理特征和采用变差函数方法提取结构纹理特征,并考虑方向信息;然后利用提出的巴士距离特征权值计算方法,将所选特征进行加权融合;利用K均值聚类算法对融合后的特征图像进行非监督分类,对分类图像进行后处理并提取外部轮廓。以国产机载P波段全极化SAR影像为数据源进行了实验,并对结果进行了定量分析,表明该方法能够高精度地有效提取高分辨率机载SAR影像中的建筑区。     

局部统计活动轮廓模型的SAR图像海岸线检测

首次将局部统计活动轮廓模型引入SAR图像海岸线检测问题中,提出了一种基于局部统计活动轮廓模型的SAR 图像海岸线检测方法。首先利用C-V模型进行粗分割,消除局部统计活动轮廓模型对初始轮廓线设置要求严格的限制,然后提出了一种基于G⁰分布的局部统计活动轮廓模型,进行精细分割。该模型采用G⁰分布对轮廓线上每一点的邻域进行统计建模,增强了模型数据拟合能力,提高了海岸线检测精度,加入水平集函数惩罚项,消除了重新初始化过程。实测SAR图像实验表明,本文方法可用于精确海岸线检测。