一种分形模型的机载InSAR DEM空洞填补方法

针对如何提高机载InSAR DEM空洞填补精度和DEM对地形细节描述的难题,该文对分形模拟的中点位移插值函数做了改进。首先,提出了动态分形参数提取思路,根据选定的窗口动态提取局部分形参数,使提取的分形参数局部精度显著提高。其次,提出了分形曲面中心内插法,以正方形为图像基元,将两点信息扩展到8点信息来充分显示局部变化的细节信息;考虑到对采样点点数和位置的要求,结合距离加权平均法来弥补周围不够8点的特殊情况。最后,以国产机载X波段全极化InSAR影像提取的DEM为数据源进行了实验。实验结果表明,相比传统的中点分形内插法,该方法不仅能有效提高空洞填补精度,且能更好地描述地形的细节信息。     

一种改进人类视觉的SAR图像舰船检测方法

针对以离散余弦变换为核心的人类视觉模型舰船检测算法受数据类型限制的问题(即对复数类型的数据检测效果不好),该文提出了一种改进的人类视觉模型SAR图像舰船检测算法。该算法是以快速傅里叶变换代替离散余弦变换,将SAR图像从空间域变换到频率域;快速傅里叶变换对数据类型要求较低,只要求数据是离散的,并且运行效率更高。然后,采用3种星载SAR数据——ENVISAT ASAR(25m)、Sentinel-1(10m)和Cosmo-Skymed(2.5m)进行对比实验。结果表明,以快速傅里叶变换为核心的人类视觉模型舰船检测算法的检测性能和效率优于以离散余弦变换为核心的算法、双参数恒虚警率(CFAR)算法和K分布恒虚警率算法。     

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。     

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。     

机载干涉SARDEM绝对定向技术研究

机载干涉SAR产生的未经地理编码的DEM有较高的相对高程精度,但因其是基于斜距表达的,且干涉几何定标存在误差,需要利用控制点来进行绝对定向。本文首先改正由地形起伏引起的像点位移,将斜距DEM转换成地距DEM,然后根据空间相似变换,将地距DEM视为刚体,利用控制点求模型平移偏量、缩放因子及旋转角,达到绝对定向的目的。     

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。     

结合BRF神经网络的全极化SAR影像分类方法研究

为了解决模糊支持向量机(FSVM)算法应用于全极化SAR影像分类而产生的聚类中心陷入局部过适应问题,本文提出了一种基于模糊分割理论结合RBF神经网络的全极化SAR影像分类方法。主要利用模糊聚类分割、极化分解、纹理特征提取等,构建待分类地物特征集,并通过SGE进行监督降维,采用降维后的待分类地物极化表征完成RBF分类器训练,实现全极化SAR影像监督分类。最终通过C波段Randsat-2全极化SAR数据进行实测检验,结果表明,该方法使得分类结果区域一致性增强,充分地保存了待分类地物细节信息。     

面向多基线干涉SAR高程反演的全局最优相干方法

本文针对多基线极化干涉SAR数据,提出了面向多基线干涉SAR高程反演的全局最优相干方法。该方法将多景全极化干涉影像联合在一起,构建多基线极化相干矩阵,由多基线最优相干准则指导,求解全局条件下的最优干涉图。该方法可以有效降低多基线干涉中散射中心不一致对干涉相位影响,从而提高干涉相位的精度和可靠性,并提高最终获取DEM的精度。利用国产X-SAR系统和德国E-SAR系统获取的多基线全极化数据进行全局最优相干方法试验,利用多基线极化最优相干方法生成全局条件下的最优干涉图,依据多基线高程反演方法计算目标高程,验证了本文提出的方法的有效性。     

DEM融合算法及其在困难地区测图中的应用

对于我国西部高山区,如横断山脉,高程起伏明显,常年被云雾覆盖,日照稀少,采用传统方法进行地形图测绘存在较大困难,依赖单一方法获取的DEM往往难以满足测图的精度要求。为充分利用不同传感器和不同方法生成的DEM的优点,本文根据各方法的特点,结合小比例尺地形图中低精度的DEM,基于绝对精度等先验知识确定优先级别、相关/干系数确定融合权重,提出了一种包括雷达干涉测量、光学立体摄影测量、不同侧视方向像对雷达立体测图生成的四种多源DEM的像素级融合算法。在横断山脉地区使用所提融合算法进行了实验,获得了一个总体精度得到提高的无缝DEM,实验结果表明新算法为地形复杂的测图困难地区DEM获取提供了一种可能的解决方案。     

稀少控制下TerraSAR-X影像高精度直接定位方法

基于轨道数据的星载SAR影像直接地理定位技术是解决稀少控制条件下测图处理的重要手段之一,本文基于距离-多普勒(Range-Doppler,R-D)模型和地球物理模型,提出了一种由粗到精的TerraSAR影像直接地理定位方法.首先利用AIRGM算法对SAR影像目标进行粗定位,然后结合低分辨率DEM对SAR影像进行精定位,...