基于二进小波变换的SAR图像湖岸线提取

本文阐述了一种基于二进小波变换的从SAR图像中提取湖岸线的方法。该方法首先利用边缘和噪声的奇异性在二进小波变换中随尺度变化具有不同的传播规律来检测边缘点，然后利用基于梯度矢量流的主动轮廓模型进行边缘点的连接，实验结果证明，这种方法可以有效的消除SAR图像中存在的斑点噪声对边缘提取的影响，准确的提取湖岸线。     

一种利用级联滤波和松弛法的SAR图像配准方法

提出了一种利用级联滤波和松弛法的SAR图像配准方法。首先利用基于Beltrami流的偏微分方程与增强Lee滤波的级联滤波算法去除SAR图像噪声,然后对滤波后的参考图像提取边缘,对边缘特征点采用松弛法特征匹配,同时应用金字塔分级匹配策略由粗到精增加匹配的正确性。实验证明,本方法具有较高的配准精度。     

张量投票的机载LiDAR数据建筑物自动提取

针对机载LiDAR目标提取中建筑物与树木难以有效区分的问题,该文提出了一种基于坡度自适应穿透率和张量投票的建筑物检测方法。在利用滤波和高差阈值去除地面点和矮小地物点的基础上,采用坡度自适应穿透率作为区分建筑物和植被的主要特征,较好地突出了建筑物点和树木点在空间分布上的密度差异;设计基于张量投票的投票算法,对坡度自适应穿透率特征进行邻域投票,以促进相邻点之间特征信息的传递,增强了该特征对于植被和建筑物的可分性。采用ISPRS提供的测试数据进行实验,结果表明,该方法能有效地区分建筑物和树木点,提取的建筑物完整度达94.6%,准确度达98.3%。     

墙体裂缝检测中张量投票算法的应用研究

面向墙体裂缝检测技术难题,提出适合于实际工程应用的改进张量投票算法。针对现有方法在实际工程应用中易受噪声影响、精度与效率较低等难题,结合墙体裂缝的自身特征,提出3种改进的张量投票墙体裂缝检测算法,包括分块有选择性张量投票算法、竖向张量投票算法、轮廓膨胀过滤张量投票算法。以实际工程应用中某核电站安全壳壳壁的墙体裂缝检测对提出算法进行实验验证,并与原始张量投票算法以及现有裂缝检测方法进行比较分析。实验结果表明,改进后的算法可有效抑制噪声的影响,在精度和效率方面均优于原始张量投票算法和现有方法,且轮廓膨胀过滤张量投票算法效果最佳,适用于实际工程应用。     

车载LiDAR数据的道路裂缝信息自动提取

针对传统道路裂缝检测工作中存在的问题,该文提出了一种利用车载LiDAR数据的道路裂缝信息自动提取方法。车载LiDAR系统能够在正常车速条件下直接获取道路及其两侧各种地物的高精度、高密度表面三维数据。为了提高数据处理效率,将三维LiDAR数据转换成二维强度特征影像数据。张量投票算法根据平滑度、邻近度及连续性约束原则,通过结构特征的张量表示和非线性投票能够从稀疏的、噪声的数据中推断显著性结构。通过实验分析,该方法不仅适用于激光点云生成的强度特征影像数据的裂缝提取,还适用于光学影像数据的裂缝提取,且提取精度在90%左右。     

基于数学形态学和相位编组SAR影像道路自动提取

由于SAR图像中固有的斑点噪声的强烈影响,某些对于光学图像有很好效果的边缘检测算子,但是对于SAR图像来说,效果很差,本文应用一种改进的基于图像统计信息的局部线特征检测方法,首先利用图像统计信息对图像进行局部特征检测,然后利用数学形态学去除内部空隙并细化得到道路段,将道路段进行相位编组,进而自动提取出道路。     

SAR和光学异源遥感图像匹配方法的探讨

本文针对SAR和光学遥感图像的异源遥感图像匹配的问题,采用6种基于图像灰度信息的相似性度量方法进行研究和实验。在求得图像间旋转和尺度参数的基础上,重点比较了如何提取平移量。采用了包括归一化互相关、相似率、结构相似性、交互方差、互信息和f散度的方法,并根据SAR图像特性进行了部分改进,得到了不同场景下的实验结果,最后对结果进行了比较和分析。结果表明针对不同场景中匹配方法各有优势,其中归一化互相关方法和f散度方法在场景适应性及精度上表现出了很好的适应性。     

地面建筑物破坏状态检测的多类互信息量评估—震灾前光学图像与震灾后SAR图像的融合

利用震前可具备的光学图像与震后卫星SAR图像的信息融合,可检测与评估震灾区地表面建筑物破坏状态。本文根据震前光学图像的建筑物特征参数,通过SAR成像仿真算法,模拟各建筑物SAR图像,根据震后SAR真实图像与SAR仿真图像互信息量的比较,综合利用归一化互信息量、梯度互信息量、区域互信息量及检测与评估建筑物破坏状态。采用2010年海地地震灾前的IKONOS光学图像、灾后COSMO-SkyMed与RADARSAT-2的星载SAR图像,进行震后建筑物破坏状态检测与评估。其结果与震后GeoEye光学图像进行了验证,证明了本文方法的可行性。     

SAR图像多尺度积增强的目标检测算法

合成孔径雷达（SAR）成像系统的热噪声和海杂波严重影响SAR图像自动目标检测的性能,去噪和均匀背景杂波是提高SAR图像目标检测性能的重要课题。根据SAR图像噪声功率一般存在于信号小尺度,没有跨尺度特征,而目标信号的边缘具有跨尺度的特点,本文提出了一种多尺度积信号增强和去噪的SAR图像船舰目标检测算法。本算法对SAR图像进行小波变换,应用多尺度积在小波域增强SAR图像船舰信号和均匀背景杂波,再对SAR图像进行目标检测。ERS SAR图像用于验证本文算法。仿真实验结果表明,新算法同传统的双参数CFAR检测算法、基于K-分布背景杂波的检测算法以及基于小波软阈值增强的检测算法相比,在虚警数和品质因数性能指标上均优于后几种检测算法。     

复张量场扩散方程及其在PolSAR图像去噪中的应用

张量图像如极化合成孔径雷达(PolSAR)图像,它的每一个像素点都是一个3 阶的正定对称矩阵。对于张量图像的噪声抑制,目前普遍的做法是将它们看作多通道标量图像进行处理,但是,这样可能会破坏矩阵的正定性,从而造成信息的损失。本文主要研究基于扩散方程的张量图像的噪声抑制问题,将现有的基于扩散方程的实张量场去噪模型推广到复张量场,并给出了其数值迭代格式。模拟图像和PolSAR图像上的实验充分验证了本文算法的有效性。与现有算法相比,本文算法具有更好的去噪能力和边缘保持能力。     

基于张量分解的超光谱图像降秩与压缩

超光谱图像在常规的二维图像中加入了光谱维度,具有更大的信息量的同时也带来了较大的光谱冗余性,这给图像压缩带来了新的挑战。提出了一种基于张量分解的超光谱图像降秩与压缩方法,将超光谱图像视为三阶张量数据表示,并使用张量分解技术将原始观测张量分解为核张量与多个投影矩阵的乘积形式。这样,超光谱图像被压缩为了低秩张量,它可以通过张量反投影进行图像重构。实验证明张量分解技术能够将超光谱图像压缩到很低的比率,同时保持较低的重构相对误差。     

多特征、多方法融合的高分辨率影像道路网提取

高分辨率影像上道路表现为宽度近似不变的条带状同质区域。根据此特征,提出了一种融合多特征、多方法的高分辨率影像道路网自动提取方法。该算法首先采用均值漂移聚类对图像稳态点图进行分类;然后运用Gabor滤波及张量编码,以线性显著性最大为准则识别道路中心点类;最后,运用张量投票和连通成分分析完成道路段连接及道路网组网。试验结果表明该方法能够准确、完整地提取高分辨率影像上道路网,提取的完备性和准确度优于对比算法。     

天线方向图未知的机载SAR图像增强

为了减弱雷达天线方向图和作用距离对SAR成像质量的影响,提高天线方向图未知情况下的机载SAR图像可视化效果和判读特性,提出利用方位向强度积分计算增强因子的SAR图像增强方法。该方法沿方位向对SAR图像各距离处的强度值进行积分,根据积分结果计算距离向增强因子并进行增强处理,从而减弱雷达天线方向图和作用距离对SAR成像强度的影响,得到沿距离向色调一致的SAR图像。采用机载SAR图像进行了增强试验,得到了满意的增强效果,验证了该方法的有效性。     

天线方向图未知的机载SAR图像增强EI北大核心CSCD

为了减弱雷达天线方向图和作用距离对SAR成像质量的影响,提高天线方向图未知情况下的机载SAR图像可视化效果和判读特性,提出利用方位向强度积分计算增强因子的SAR图像增强方法。该方法沿方位向对SAR图像各距离处的强度值进行积分,根据积分结果计算距离向增强因子并进行增强处理,从而减弱雷达天线方向图和作用距离对SAR成像强度的影响,得到沿距离向色调一致的SAR图像。采用机载SAR图像进行了增强试验,得到了满意的增强效果,验证了该方法的有效性。     

利用多尺度Hough变换提取高分辨率SAR图像建筑物L型结构

提出了一种利用多尺度Hough变换从高分辨率SAR图像提取建筑物L型结构的方法。针对高分辨率SAR图像建筑物L型结构的特点,建立了建筑物L型结构简化几何模型,并采用从粗到精的思路利用多尺度Hough变换提取建筑物L型结构方向线。并提出了一种L型结构组合度函数对提取直线进行编组,确定建筑物L型结构的方向和拐点。最后,采用基于扫描线的方法计算L型结构线宽,得到完整规则的建筑物L型结构。多幅真实机载高分辨率SAR图像实验结果表明,本方法可以有效地提取高分辨率SAR图像建筑物L型结构,提取结果与实际位置吻合较好。     

基于SAR影像进行边缘检测自动提取的研究与应用

利用SkySat-3系列卫星合成孔径雷达卫星遥感影像的多元性和分辨性,基于自动阈值与区域生长算法相结合进行SAR岸线提取,进而分析SAR图像岸线提取检测技术流程,展现合成孔径雷达制作影像在海域边缘监测、图像分割、构成水体提取方面的应用,可有效减少人工操作,提高工作效率。     

基于广义Hough变换的探地雷达图像地下管线提取方法

针对探地雷达图像中自动提取地下管线的问题,提出了一种基于广义Hough变换的地下管线提取算法。根据地下管线在图像上呈现双曲线且具有一定宽度和成对出现的图像特征,首先对图像进行预处理,接着采用全向跟踪法进行边缘跟踪;然后利用双曲线方程线性化后的结果进行投票计算,确定出一对双曲线的描述参数,从而提取出图像中的地下管线特征。实验结果验证了该算法对地下管线提取的有效性。     

基于SIFT的多时相星载SAR图像特征点自动匹配

SAR图像配准是实现多时相图像监测的前提,但是由于SAR图像的斑点噪声、成像机理的特殊性,使得采用常规的特征匹配方法很难实现SAR图像的自动配准。本文在介绍旋转尺度不变特征(SIFT)提取特征点原理的基础上,利用SIFT方法对两个时相星载SAR图像存在不同的旋转角和分辨率存在差异进行了特征点提取和自动匹配试验,图像特征点自动匹配的有效率达到70%以上,结果表明提取SIFT特征点进行多时相SAR图像自动匹配是基本可行的。     

高分辨率SAR和可见光图像同名点自动匹配技术

提出一种高分辨率SAR图像与光学图像之间的自动配准方法,首先利用仿射变换进行SAR图像和光学图像粗匹配,简化了整体算法的处理复杂度;然后使用边缘检测算子分别对光学图像和SAR图像进行特征提取,为后续精匹配做好了数据准备;最后基于归一化互相关原理进行图像之间的同名点精匹配。引入的比值边缘检测算子(ROA)与传统光学检测算子相比,可以较好地克服SAR斑点噪声,提取出的SAR特征图像与光学特征图像非常相似,提高了算法的准确性和鲁棒性。以星载3米TerraSar数据和1米SPOT数据为例进行算法验证,实验结果表明该算法能实现自动的异源图像之间的像素级匹配。     

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。