利用分形和多尺度分析的中低分辨率SAR图像变化检测

对于合成孔径雷达(synthetic aperture radar,SAR)图像像素级变化检测,常见的对数比、交叉熵差异图在提取建筑物等人造目标的变化时不能保持其结构特征。本文将分形维数引入到差异图构造中,定义了分形-对数比(fractal dimension-log ratio,FD-LR)融合差异图,在有效提取不同地物类型变化的同时,能够保持其轮廓结构。为克服斑噪干扰,对FD-LR进行多尺度分析,通过贝叶斯分割和决策级融合提取变化信息。实验结果表明,该方法模型简单,能够有效检测不同地物类型的变化,在中低分辨率复杂场景的SAR图像变化检测中具有优势。     

融合差异图与高斯混合模型相结合的SAR图像变化检测

在SAR图像变化检测过程中,假设差异图类别服从单一分布,构造单一类型的差异图不能完好地保留变化信息,从而影响SAR图像变化检测的精度。针对上述问题,提出一种基于差异图融合和高斯混合模型GMM(Gaussian Mixture Model)的非监督SAR图像变化检测方法。该方法利用给定的融合因子进行差值和比值图融合,采用最大期望算法EM(Expection Maximum)求解融合差异图的GMM参数,并根据后验概率将图像像素分配到GMM各个分量,从而获得SAR实验区域的变化检测图。3组SAR数据集的变化检测实验验证了所提方法的可行性和有效性。     

相位一致性的SAR图像溢油分割算法研究

针对传统的SAR图像溢油分割方法对斑点噪声敏感,而且对疑似溢油区域区分能力较弱的问题,该文提出一种基于相位一致性的SAR图像溢油分割算法,在对海面溢油图像进行灰度预处理的基础上,计算图像相位一致性特征,再根据最大类间方差法对计算得到的相位一致性特征值进行阈值分割。实验表明:与目前常用的溢油分割方法相比,该方法既可以有效抑制海面斑点噪声,又对疑似溢油区域具有一定抗干扰能力,而且兼顾了分割的效率。     

SAR影像变化检测的前景特征流形排序法EI北大核心CSCD

SAR影像变化检测的差异图分析法存在的两个问题:①连通区域内的部分变化区域易被误判为未变化区域;②中心先验假设并不适用于检测位于SAR影像边界的变化区域。本文针对以上两个问题设计了一种超像素分割和前景特征流行排序(manifold ranking,MR)的SAR影像变化检测方法(MRSFCD)。首先,通过单像素和邻域对数比算子进行加权融合构造差异图,可以保持变化区域内部的一致性并抑制噪声干扰。其次,对差异图进行超像素分割。然后,改进超像素的无向图连接方式,不对边界四周的超像素进行连接,利用超像素分割结果和灰度信息进行三次邻接。最后,将基于前景特征流行排序后得到的显著性图与单像素对数差异图进行点乘,对其进行阈值分割得到最终的二值变化图。本文通过采用3组双时相影像进行试验。结果表明,相较于其他变化检测算法,本文方法有效地提高了变化检测的精度。     

利用多尺度融合进行面向对象的遥感影像变化检测

在面向对象的变化检测过程中,确定对象的最优分割尺度直接关系到后续的变化信息提取与分析。针对该问题,提出了基于多尺度分割与融合的对象级变化检测新方法。首先,利用由细到粗的尺度分割来获取不同尺寸的目标对象,然后依据对象的特征进行变化向量分析得到各个尺度上的变化检测结果。为了提高变化检测的精度,本文引入模糊融合及两种决策级融合方法进行多尺度融合,并利用SPOT5多光谱遥感图像进行试验。与像素级的变化检测方法相比,总体精度提高了10%左右,试验结果证明了这几种融合策略的有效性和可行性。     

基于可变形状参数Gamma分布的模糊聚类多视SAR图像分割

针对传统模糊聚类分割算法无法克服合成孔径雷达(synthetic aperture radar, SAR)图像中固有的斑点噪声问题, 提出了一种利用可变形状参数Gamma分布和邻域相关性的模糊聚类分割算法。可变形状参数Gamma分布用于建模多视SAR强度图像的斑点噪声, 并以其负对数作为特征场中像素与聚类间强度的相似性测度模型; 通过马尔可夫随机场(Markov random field, MRF)建立标号场中邻域像素的类属相关性模型; 在模糊聚类框架下, 以上述模型为基础构建模糊目标函数; 在目标函数最小化准则下, 求解最优结果。实验表明, 可变形状参数Gamma分布能够更加准确地拟合同质区域内像素强度的统计直方图。为有效求解包涵在Gamma函数内的形状参数, 采用牛顿迭代算法估计其数值解。对合成和真实多视SAR图像分别进行分割实验, 定性、定量分析的结果验证了本文算法的有效性。     

DT-CWT结合MRF的遥感图像变化检测

为了解决多尺度遥感图像变化检测在降噪时丢失大量高频信息及单一像素孤立性的问题,提出了一种双树复小波变换DT-CWT(Dual-tree Complex Wavelet Transform)和马尔可夫随机场MRF(Markov Random Field)相结合的非监督遥感图像变化检测算法,首先采用DT-CWT对差异图像进行多尺度分解,并根据MRF模型分割算法提取高频区域的变化特征,然后进行相应层的高、低频重构,再对重构后的各层建立MRF模型并根据贝叶斯最大后验概率准则MAP(Maximum A Posterior)进行最终分割,最后对各层分割结果进行求交融合,得到最终的变化检测结果掩膜图。对比实验结果表明,该方法在去除杂点和噪声的同时能够较好地保留高频信息,并且边缘检测更加平滑,具有较高的变化检测精度和很好的鲁棒性。     

基于Contourlet域HMT和D-S证据融合的SAR图像分割

针对Contourlet的多尺度、局部化、方向性和各向异性等优点,结合隐马尔科夫树(hidden Markov tree,HMT)模型和D-S(Dempster-Shafer)证据理论,提出一种新的SAR图像分割算法。该算法首先将隐马尔科夫树模型推广到Contourlet域,在多尺度HMT上采用D-S证据融合理论有效地融合Contourlet系数的持续性和聚集性,最后导出融合后的最大后验多尺度分割公式。本文算法对实测SAR图像进行分割试验,试验结果表明:与小波域上的HMT-MRF(Markovrandom field,MRF)融合分割及Contourlet域上HMT和MRF分割算法相比,本文算法在抑制斑点噪声的同时,可有效地提高SAR图像的分割精度。     

像素级和对象级高分辨率遥感图像变化检测分析

高分辨率遥感图像具有丰富的纹理信息,而像素级变化检测方法主要分析图像的光谱信息,导致将像素级变化检测方法用于高分辨率遥感图像具有一定的局限性。因此,本文提出了一种像素级与对象级相结合的高分辨率遥感图像变化检测方法,解决了像素级与对象级变化检测方法中存在的椒盐现象、误检等问题。首先,结合高分辨率遥感图像的多维特征,构建遥感图像变化检测模型;其次,利用随机森林分类器对图像进行分类,得到像素级变化检测结果;最后,将像素级变化检测结果与图像对象分割结果进行融合,得到图像变化区域和不变区域。试验结果表明,该算法具有较高的准确率和检测精度。     

深度神经网络的高分三号全极化SAR图像分类方法

针对传统极化SAR地物分类方法和基于像素的神经网络分类方法容易受到SAR图像固有斑点噪声影响而出现的破碎孤立点和精度下降问题,该文在考虑了极化SAR图像的基本特征的基础上结合深度卷积神经网络的方法对地表覆盖类型进行了分类研究,利用不同尺度的全极化SAR特征融合RGB图像对GoogLeNet模型进行迭代训练,结合对实验区的多尺度分割结果,对SAR图像做不同尺度下的样本分类,并最终获得整体图像的分类结果。实验证明,此方法能够获得较高的分类精度。     

纹理特征向量与最大化熵法相结合的SAR影像非监督变化检测

合成孔径雷达(SAR)影像具有明显的斑点噪声,在变化检测中,一般需要考虑空间邻域信息。本文结合SAR影像丰富的纹理信息,提出一种考虑空间邻域信息的高分辨率SAR影像非监督变化检测方法,用基于灰度共生矩阵(GLCM)的32维纹理特征向量构造差异影像。通过最大化熵法自动选取阈值,对精度指标随窗口大小的变化进行回归分析,得到适合于变化检测的窗口为11×11。试验表明,本文方法优于马尔科夫随机场法,可以减小斑点噪声的影响,有效提高高分辨率SAR影像变化检测的精度。     

一种适用于SAR图像边缘检测的序贯算法

提出了一种用于检测SAR图像上阶跃性边缘的序贯算法。由于SAR图像上存在大量的光斑噪声而使图像质量受到严重影响，而光斑噪声属于乘性噪声，不服从高斯分布，因此常用的图像处理方法难以取得好的效果。文中首先根据光斑噪声模型，自动确定图像中高反差部分，然后采用具有高抗噪性能的边缘检测算子，进行边缘提取。实验证明该算法明显提高了特征提取速度，同时具备良好的抗噪声能力。     

统计假设检验方法在全极化SAR变化检测中的应用

本文以全极化SAR数据为研究对象。由于全极化数据相干矩阵T3或协方差矩阵C3服从复wishart分布,所以首先在此分布的基础上利用统计假设检验方法构建似然比参数,用以表征地表地物的变化程度,然后利用基于广义高斯分布模型的EM迭代算法(GGM-EM)对变化信息进行初提取,最后充分考虑上下文信息,利用概率松弛迭代算法对初检测信息进行优化。该方法不仅全自动提取变化信息,而且经过非相干平均、初始分类、分类结果优化3次降斑去噪处理,因此检测精度较高。通过与传统对数比值法的比较,证明该方法的有效性。     

利用经验模态分解和主成分分析的SAR图像相干斑抑制

对SAR图像应用对数加性噪声模型,将经验模态分解(Empirical mode decomposition, EMD)与主成分分析(Principal Component Analysis, PCA)相结合,提出了一种基于PCA的EMD相干斑抑制算法。根据对数SAR图像中相干斑噪声的统计特性和高斯白噪声经EMD分解后的能量分布模型,近似估算SAR图像经EMD分解后各层内蕴模态函数中所含噪声的能量;将内蕴模态函数利用PCA进行分解,根据PCA对含噪信号的分解特性和内蕴模态函数中噪声能量所占的比例,选择合适的成分分量重构内蕴模态函数,以进一步去除噪声保留有用的细节信息。仿真实验结果表明,本文方法在有效抑制相干斑噪声的同时可以较好地保持边缘纹理细节的清晰。     

Change detection method based on fractal model and wavelet transform for multitemporal SAR images

The interaction is quite complex between a ground object and an electromagnetic wave transmitted by synthetic aperture radar (SAR). In a ground resolution cell illuminated by a radar beam, there are many chaotic scatterers and the whole scattering echo has the chaotic characteristics which is usually described with the fractal theory, and the fractal dimension can be used to detect the change information for multitemporal SAR images. In order to improve the change detection effect with fractal model, this paper proposes a new multitemporal SAR image change detection algorithm based on the fractal model and wavelet transform (called FMWT algorithm). The FMWT algorithm has two advantages. One is insensitive to speckle noise; the other is that the change detection accuracy is improved, comparing with a general fractal change detection (GFCD) algorithm. Since the FMWT algorithm adopts the two-dimensional discrete stationary wavelet transform (TDDSWT) technique, it can obtain different direction sub-images and avoid down-sampling of the discrete wavelet transform (DWT). In the paper, not only the simulative data test has been carried out, but also the real natural disaster SAR images have been checked. Experimental results verify that the FMWT algorithm is feasible for multitemporal SAR image change detection, it is not sensitive to speckle noise of SAR images, and the performance of it is better than that of the GFCD algorithm. At the same time, the size of a sliding window will bring some affection in counting fractal dimensions.     

一种基于核回归的SAR图像自适应相干斑抑制方法

为了在抑制相干斑噪声的同时更好地保持SAR图像中的点目标和边缘目标,在经典核回归方法的基础上,本文提出了基于核回归的SAR图像自适应相干斑抑制方法。通过分析SAR图像的幅度分布特性,在构建模型时,以图像的幅度值为判别条件,使核函数在幅值较小的背景区域具有较大的光滑作用以抑制噪声,而在幅值较大的目标区域光滑作用较小以保护目标特征;同时考虑对边缘的保护作用,基于散布矩阵修正了自适应核回归方法,建立了基于核回归的SAR图像自适应相干斑抑制方法。试验结果表明,该算法通过将幅度值和散布矩阵引入核函数,更好地抑制了噪声,同时也保持了图像中的点目标和边缘。     

基于SAR-SIFT改进的SAR图像配准

合成孔径雷达（SAR）图像配准时,由于受到乘性散斑影响,匹配算法的性能受到限制。SAR-SIFT使用ROEWA算子代替差分算法计算梯度,对SAR图像的散斑具有一定的稳健性。为了进一步抑制散斑噪声,本文提出了基于SAR-SIFT改进的SAR图像配准算法。利用非线性扩散滤波生成SAR图像的非线性扩散尺度空间,在非线性尺度空间不同尺度层上计算对应的SAR-Harris函数。为了使非线性尺度空间对散斑噪声具有稳健性,在其构造过程中的梯度信息采用ROEWA算子计算。此外,利用相位一致性信息去除初始关键点中由散斑引起的虚假点。多源、多极化、多时相的SAR图像试验结果表明,与SAR-SIFT算法相比,本文算法对散斑噪声更具稳健性,提高了图像匹配性能。     

海洋SAR图像小波Speckle滤波及边缘信息提取

以海洋SAR图像的speckle滤波和边缘信息提取为研究目标，构造了以低通带通窄和时域冲击响应系数分布呈左右对称为特征的小波滤波器。这些特征使该小波滤波器在处理突变信号方面具有优良的特性。应用该小波滤波器，采用Wiener滤波算法，对海洋SAR图像进行了speckle滤波及采用Prewitt算子对边缘信息进行提取。用几种经典小波函数采用相同的滤波算法和边缘增强算子进行了处理，并将它们的结果进行了对比分析。结果表明，虽然小波基函数在用于speckle滤波方面，稍逊其它几种经典小波基函数，但是在边缘信息保留方面，效果要明显优于其他小波基函数。     

Feature preserving speckle filtering of the SAR images by wavelet transform

Synthetic Aperture Radar (SAR) images are corrupted by speckle noise due to random interference of electromagnetic waves. The speckle degrades the quality of the image and makes it difficult to interpret, analyse and classify. This paper proposes a method that reduces the speckle and preserves the features by using scale-space correlation between the scales. The results show that the proposed method is better than the widely used filters based on the spatial domain, such as Lee, Kuan, Frost, Ehfrost, Median, Gamma filters in terms of feature preservation. Moreover the proposed method achieves a wide range of balances between speckle reduction and feature preservation, and thus is applicable in different applications such as road detection, detection/ identification of bridge, and ribbon like structures. Furthermore, the proposed method does not require prior modeling of either the image or noise statistics. It uses the variance of the detail wavelets coefficients to estimate noise variance.     

一种基于正则化方法的SAR图像边缘检测算法

提出了一种基于正则化方法的SAR图像边缘检测算法,并用MSTAR(moving and stationary target acquisitions and recognition)数据进行大量的仿真实验。实验表明,与经典的边缘检测方法相比,该方法能保持图像的细节特征,较好地解决了边缘断裂和抗噪问题,具有较好的边缘检测能力。