基于Radon变换的星载SAR图像窄V尾迹检测

在Radon变换的基础上,提出了一种在Radon变换域附加检测规则对星载SAR图像中窄V尾迹进行检测的方法。附加的规则由去除短线规则和去除孤立点规则组成,将该方法应用于星载SAR图像中不同表现形式下的窄V尾迹,实验表明,该方法具有一定的普遍适用性。     

星载SAR图像船舶及航迹检测

研究了星载SAR图像中船舶目标及其航迹的检测提取方法。通过扩展分形特征检测船舶目标,在目标周围运用局部Radon变换检测航迹。实验结果表明,本文方法对于静止和运动船舶目标的检测都具有较强的鲁棒性。     

基于小波变换和数学形态学的遥感图像边缘检测方法研究

用传统的边缘检测方法效果不理想,针对遥感图像中存在的噪声问题,提出了一种基于小波变换和多结构元素的数学形态学相结合的图像边缘检测方法。该方法充分利用小波多分辨率的特点,对图像进行去噪处理,然后用多结构元素灰度形态学的方法对图像的边缘进行检测。试验结果证明,此方法优于传统的边缘检测方法,具有边缘检测准确和良好的抗噪能力。     

基于数学形态学的毫米波图像边缘检测方法

讨论了数学形态学的基本原理及其在毫米波辐射遥感图像边缘检测中的应用，提出了一种用灰度形态变换原理进行检测的有效算法。对一幅毫米波图像的实验结果表明，该算法具有较好的抗噪和边缘提取能力，比传统的基于模板的图像边缘检测算法具有更好的边缘提取效果。     

基于小波变换的多时相SAR图像变化检测技术

提出基于小波变换的双阈值(TWT)SAR图像变化检测算法。采用期望最大化(EM)算法产生双阈值,可以区分像素发生变化的类型(如变化区域增强类和变化区域减弱类)或变化等级。用SAR图像数据进行实验,结果表明该方法有效。     

基于复小波变换的SAR图像斑点滤波方法

斑点噪声的存在使得SAR图像的应用受到较大的限制.文中首先介绍了SAR图像斑点噪声模型以及几种常用的SAR斑点噪声抑制方法;然后对小波变换斑点噪声滤波方法进行分析,提出了基于二元树复小波变换的SAR图像滤波方法.实验比较表明,二元树复小波变换抑制SAR斑点噪声效果明显,较小波变换更具有优越性.     

数学形态学在遥感图像边缘检测中的应用

为有效提取边缘密度大的遥感图像中的边缘信息，提出一种边缘检测的有效算法。该算法在数学形态学的基础上，针对图像中噪声和边缘形态的不同建立多结构元素，利用灰度形态变换原理进行边缘提取。实验表明，与经典的边缘检测算子相比，该算法具有很好的边缘提取能力，但抗噪能力较差。为此，笔者还探讨性地提出基于小波变换和数学形态学相结合的边缘提取方法。     

自动确定图像二值化最佳阈值的新方法

在详细分析二值化处理原理及当前技术的前提下，综合考虑图像的各种实际情况，提出了自动确定图像二值化阈值的增强大津法和边缘检测阈值法。多次实验表明，根据这两种方法确定的阈值对图像进行二值化处理，不仅可有效地解决图像灰度随地特征变化的图像处理问题，同时对于同一信号源的图像也有相当理想的处理效果，该方法可进一步应用于图像分割等。     

数字地图图像的基本形态学变换和结构元素的分解

本文是作者关于“数学形态学与数字地图图像的分析和识别”研究成果的一部分。文章提出了地图图形的集合概念和地图图像形态分析的基元确定原则,证明了结构元素的基元最小分解定理;同时,介绍了基本的形态学变换,统一并扩展了带约束条件的数学形态学变换模型;从而,奠定了数字地图图像分析和识别的数学基础。     

基于改进的归一化Hough变换的ASAR图像船只尾迹检测

针对先进合成孔径雷达(ASAR)图像中部分船只与其尾迹偏移不大、基本可被认为在一条直线上的特点,利用船只的强反射,提出了一种基于改进的归一化灰度Hough变换的船只尾迹检测方法,修正了变换域中的峰值检测,同时增加了确定尾迹起点和终点的约束条件。实验结果表明,该方法能够比较准确地检测到船只尾迹。     

一种从ERS-1SAR海洋图像中检测船舶航迹的算法

简单介绍了船舶航迹的几种模式,分析了单纯运用Ｔａｄｏｎ变换方法检测航迹的４个局限,并针对这些局限提出了一种检测航迹的思想－－先进行斑点噪声的抑制,然后用生理视觉的静态轮廓系统对图像进行处理,最后应用Ｒａｄｏｎ变换的方法来突出航迹的线性特征。我们用ＥＲＳ－１ ＳＡＲ海洋图像进行了测试,结果表明这一方法比单纯应用Ｒａｄｏｎ变换的方法更为前效。     

一种新的SAR图像船只检测方法

提出一种新的基于恒虚警率(CFARConstantFalseAlarmRate)技术,确定SAR图像中检测船只整体阈值的方法。该方法采用高斯分布(正态分布)作为SAR图像灰度的概率密度函数,由CFAR技术直接导出用于检测船只整体阈值的计算公式,用记数滤波器滤波去除虚警。该算法避免了复杂公式迭代和求解形状参数计算过程,也避免了用二分法寻找阈值的循环解算过程,提高了检测速度。使用XSAR和ERSSAR图像对该算法进行检验,并与其它算法进行比较,结果显示所提出的算法在检测精度和检测速度上都有明显的改进。     

一种基于多尺度特征簇的舰船目标快速定位与识别方法

针对海天背景下彩色近景舰船图像,采用了一种基于多尺度特征簇的舰船目标快速定位与识别方法,此方法对旋转具有鲁棒性,对光照具有良好的适应性。借鉴Canny边缘检测与图像金子塔及最小生成树聚类算法的思想,设计了一套可适应目标多尺度特性并提高Canny边缘检测自适应性的\     

高分辨率SAR图像中建筑物特征融合检测算法

针对高分辨率SAR图像中的建筑物检测问题,提出了一种基于视觉注意和特征融合的检测算法。首先,根据SAR图像中建筑物目标与背景存在较大差异的特点,采用视觉注意机制进行建筑物的感兴趣区分割;然后,提取位于感兴趣区域内的高亮线条和阴影区域;最后,采用D-S证据理论对注意焦点、高亮线条和阴影区域进行特征融合,实现建筑物目标的检测。实验结果表明,本文算法对矩形建筑物具有较高的检测精度。     

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。     

基于分形理论的SAR图像边缘检测

分析了SAR图像的基本特点,阐述用DFBR模型表达SAR图像的基本原理,提出两种基于分形理论的SAR图像边缘检测方法。通过对传统方法、分形方法和多尺度分形方法的特性分析和实验,说明分形方法有较强的抗干扰性能,适用于SAR图像的边缘检测,并且基于多重分形的方法能获得更好的检测结果。     

Yamaguchi分解Notch滤波的全极化SAR图像舰船目标检测

极化合成孔径雷达数据蕴含了丰富的地物极化散射信息,已广泛应用于海上舰船目标检测研究。针对极化相干矩阵无法直接用于分析特定散射体物理特性的缺陷,利用Yamaguchi极化分解改进了极化Notch滤波器。将基于模型的极化分解方法引入Notch滤波器,利用表面散射、二次散射、体散射和螺旋体散射等散射机制的能量构造散射矢量代替极化相干散射矢量,并加入功率能量因子,构造新的极化SAR图像Notch滤波器。Radarsat-2全极化SAR图像实验结果表明,改进算法有效增强了舰船目标与海杂波背景间的对比度,检测性能优越。     

基于交互式分割技术和决策级融合的SAR图像变化检测

为免去去除斑点噪声的预处理操作及克服选择分布模型的限制,本文结合差异图的特点和一种不涉及分布模型的交互式分割方法,产生不同“种子点”下的变化检测结果后,再利用投票策略对其进行决策级的融合给出最终的变化检测结果。分割中,将每个像素的特征设为差异图及由静态小波变换分解差异图再丢弃高频系数后重构得到的各层表示中,其对应位置上的灰度值构成的矢量。此特征及决策级融合的策略使本文的变化检测技术对SAR图像中的斑点噪声具有一定的鲁棒性。在无需对SAR图像做预处理的情况下,对真实SAR图像数据集的变化检测结果,其效果优于其他相关技术的。     

形态学重度污染文本图像去噪处理

为处理扫描与复印图像产生的重度污染噪声,对噪声与文本信息的形态差异进行研究。利用灰度形态学原理,构建四方向形态学结构元素模版去除复杂的背影噪声,保留具有明显方向性的文字信息。针对噪声与文字在图像局部梯度上的特点,引入局部结构张量信息构造动态尺度的形态学结构元素,在可能的噪声区域采用较大尺度结构元素较好地滤除噪声,在可能含有文字的区域采用较小的结构元素以完整地保留易丢失的文字笔划与标点。最后利用灰度形态学重建恢复原始的文本内容,得到只含文本信息的图像。