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...     

新型Canny算法的SAR图像边缘检测

干涉作用会使合成孔径雷达回波信号产生相干斑点噪声,以致在图像边缘检测时产生许多虚假边缘;Canny边缘检测器能检测图像形状密度的变化,并寻找图像的边界。针对SAR图像的噪声特点和低像素级的特点,引进了小波去噪的方法来代替传统的高斯滤波,提出了在搜索算法上以广度搜索来代替深度搜索,由此改进了Canny算法,使用VC++编程实现了改进的算法对SAR图像进行边缘提取实验,对比结果证明此方法比以往算法有明显改进。     

任意方向对称差值核的SAR图像边缘提取算法

由于现有边缘检测方法多存在对图像噪声的敏感性以及检测边缘的有限方向性等问题,因此在斑点噪声的影响下难以有效检测SAR图像中具有任意方向性且强度相近的区域间边缘。本文提出了一种任意方向对称窗口的SAR图像边缘提取算法。首先,以任意像素在图像中的格点位置为对称中心构建任意方向上的对称窗口;定义各窗口内像素到中心像素距离的核函数;以像素核函数为权重分别计算两对称窗口内像素光谱测度的加权平均值,并定义两者之差的绝对值为该方向上该像素隶属边缘的强度;选取所有方向中最大边缘强度作为边缘像素的判别标准。为去除错误提取的边缘像素,设计基于滤波操作的后处理过程。对模拟图像提取结果的定性及定量分析表明提出算法可在一定程度上克服噪声影响,较为准确地提取任意方向的边缘。     

改进Frost算子在SAR图像斑点噪声抑制中的应用

针对合成孔径雷达(SAR)图像斑点噪声滤波的重要性以及存在的问题,对Frost滤波算法参数进行分析,指出了该算法等权滤波器在处理含有细节结构特征时存在盲目平滑的缺点,进而提出了改进方法.利用灰度差值计算权值,综合考虑滤波窗口内的强度信息,在一定程度上解决了盲目平滑的问题.实验验证了改进算法的有效性,并以斑点噪声指数和边缘保持指数为评价准则,通过与Frost算法比较,对改进算法在去除噪声和边缘保持方面的性能做了客观评价.     

改进Frost算子在SAR图像斑点噪声抑制中的应用

针对合成孔径雷达(SAR)图像斑点噪声滤波的重要性以及存在的问题,对Frost滤波算法参数进行分析,指出了该算法等权滤波器在处理含有细节结构特征时存在盲目平滑的缺点,进而提出了改进方法。利用灰度差值计算权值,综合考虑滤波窗口内的强度信息,在一定程度上解决了盲目平滑的问题。实验验证了改进算法的有效性,并以斑点噪声指数和边缘保持指数为评价准则,通过与Frost算法比较,对改进算法在去除噪声和边缘保持方面的性能做了客观评价。     

一种用于SAR图像分割的几何活动轮廓模型

基于SAR图像边缘检测算子和变分水平集方法,依据能量最小化准则,提出了一种新颖的几何活动轮廓模型.其基本思想是,直接定义关于水平集函数的能量泛函,并将经典模型中基于梯度算子的边缘指示函数,替换为基于ROEWA算子的边缘指示函数,提高了模型对于SAR图像的边缘检测能力;同时在新模型中加入水平集函数惩罚项,确保水平集函数逼近符号距离函数.由于该项的作用,模型的数值求解可采用简单的显式差分格式迭代,并保持较快的收敛速度.针对仿真图像、Radarsat和华东电子研究所实测数据的实验结果表明,该模型具有实现简单、分割边界定位准确和收敛速度较快等优点.     

一种新的SAR图像相干斑抑制算法

合成孔径雷达(SAR)图像会受到相干斑噪声的污染,对SAR图像的后续处理产生了很大影响.提出一种基于快速离散曲波变换(FDCT)抑制合成孔径雷达(SAR)图像相干斑噪声的方法.先通过FDCT把SAR图像变换到曲波域中,得到曲波系数,再应用自适应阈值算法估计不同尺度、不同方位曲波系数的阈值,分别对曲波系数进行硬阈值和软阈值化处理,最后通过FDCT反变换恢复出图像.对单视SAR原始图像进行处理,并与小波去噪方法进行各种量化比较,结果表明,Curvelet滤波器要比Wavelet滤波器效果好,软阈值算法的效果比硬阈值算法好.基于FDCT的SAR图像相干斑去噪,不仅抑制相干斑能力比较强,而且在目标的边缘及纹理信息的保持上也有很大的优势.     

SAR影像边缘检测算法研究

边缘检测是影像分析的基础,但由于SAR图像中存在强的、乘性的相干斑噪声,使在光学图像中有效的边缘检测器对于SAR图像不再适合。提出一种针对带有斑点噪声的SAR影像边缘检测改进算法,运用此算法与传统MRoA,RGoA和MRGoA算法对一幅真实的SAR影像进行处理,并且使用不同指标对处理的结果进行比较分析,试验结果证明本算法的有效性和实用性。     

显著性权重RX高光谱异常点检测

高光谱图像异常点检测中,传统RX异常点检测算法忽略了空间相关性,背景估计不准确。本文提出了一种基于图像局部邻域光谱显著性分析的加权RX算法。该算法通过引入图像显著性分析,对基于概率密度为权重的图像背景建模进行改进,建立光谱显著性权重图,重新定义RX算法中的均值向量和协方差矩阵,并给不同的目标赋予不同的权值,达到优化背景估计的目的。利用合成高光谱数据和真实高光谱数据进行异常点检测实验,结果表明,对于同一组数据,本文算法检测到的异常点数比传统算法多,虚警率较低,有效地提高了检测率。     

区域Gamma混合模型的SAR图像分割

针对传统Gamma混合模型用于SAR图像分割时忽略像素间空间相关性,导致分割结果不连续并产生大量误分割的现象,提出了区域Gamma混合模型的SAR图像分割算法。首先对图像进行分水岭分割,得到过分割区域块,然后将其作为输入样本进行基于Gamma混合模型的聚类,在模型的参数估计过程中进一步考虑区域间的空间相关性,设计邻域因子融入到迭代过程,得到邻域加权类分布概率。该算法充分利用像素间的空间相关性,能够降低噪声对分割结果的影响。通过合成图像和真实SAR图像的实验表明,本文算法能够实现SAR图像的准确分割。     

基于边缘分析的海面溢油检测

提出一种基于边缘检测的快速溢油信息提取方法, 首先对溢油图像进行ROA(radio of average)边缘检测, 根据检测结果进行AOI(area of interest)提取, 然后使用改进的Weibull-CFAR检测算法对AOI进行溢油检测, 并与全局CFAR检测结果进行对比。实验结果证明, 所提出的方法对于非均匀灰度SAR图像溢油检测准确性较好、效率较高, 特别适用于大图像的快速溢油检测。     

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。     

DS证据理论在SAR图像边缘检测中的应用

提出了一种新的基于DS证据理论的SAR图像多尺度边缘检测方法。该方法利用DS证据理论融合多级尺度ROA算子输出响应,在融合过程中引入检测不确定性。并通过分析ROA算子检测门限与虚警率的关系设计基本可信度分配函数(BPAF),使得检测不确定性在门限处达到最大值。实验通过检测结果比较以及列表分析,表明本文算法能够有效降低边缘检测不确定性。     

一种改进的SAR影像边缘检测方法

由于SAR影像具有乘性相干斑噪声,某些对光学影像有较好检测性能的边缘检测算子,对于SAR影像并不适用,因此本文提出了一种将改进后的Ratio算子与Canny算子相组合的新方法。首先采用多种客观评价指标,得出经典方法中的Lee滤波能有效去除噪声,且最大限度保留了梯度信息,适用于边缘检测;然后对边缘检测具有恒虚警特性的Ratio算子进行改进,改进后的算子更利于影像归一化处理;最后利用改进后的Ratio算子与Canny算子组合成新方法。试验结果证明,组合后的新方法显著提高了边缘检测正确率和定位精度,改善了边缘连续性,具有一定的有效性和实用性。     

一种基于图像边缘特征的SAR斑点滤波算法

合成孔径雷达图像上的斑点噪声会阻碍图像的校准、检验、解译和应用,因此斑点噪声的去除是雷达图像处理的一个重要环节。通常的去噪方法在抑制噪声的同时也使得图像的边缘模糊,细节特征损失。理论和实践表明去除图像的斑点噪声和保持图像的边缘信息是无法同步实现的。为了在去除噪声和保持边缘特征之间进行折衷,本文基于MROA边缘检测算法以及均值滤波算法,提出了一种基于图像边缘特征的斑点噪声滤波算法。实验结果表明该算法能够在平滑图像的同时有效保持边缘特征信息。     

Slicks detection on the sea surface based upon polarimetric SAR data

This letter proposes a generalized-likelihood ratio test-based edge detector to be fed by possibly polarimetric synthetic aperture radar (SAR) data. It can be used to detect dark spots on the sea surface and, hence, as the first stage of a system for identification and monitoring of oil spills. The proposed constant false alarm rate (CFAR) detector does not require secondary data (namely pixels from a slick-free area); remarkably, a preliminary performance assessment, carried out by resorting to real SAR recordings, shows that it guarantees detection capabilities comparable to those of previously proposed polarimetric CFAR detectors (which though make use of secondary data). The preliminary performance assessment also seems to indicate that processing polarimetric data does not ensure improved detection capabilities.     

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。     

基于引力场增强的SAR图像舰船检测方法研究

船只检测是实现船只航行安全的重要措施之一,利用SAR图像可实现船只检测。然而,传统的一些方法一般容易受到SAR图像斑噪的影响,在检测结果中产生大量的虚警。为解决这一问题,本文提出了一种基于引力场增强的舰船检测方法。该方法利用像素与其邻域内像素的相互作用可对目标像素增强的效应,有效地抑制了斑噪像素和背景像素的强度,凸显了目标。由于增强后的像素已经不满足对海面区域的均质性假设,因此直接使用恒虚警检测算法对图像进行全局检测并不能够得到很好的效果,据此本文引入了一个基于均质区域自适应分割的改进的K-CFAR检测算法,将图像分割为不同大小的一系列均质区域,并分别对各个均质区域使用一个改进的K-CFAR检测器对船只目标进行检测。最后,使用Radarsat-1数据和Envisat ASAR数据对本文算法进行了验证。实验表明,本文提出的方法能够有效地凸显弱目标,增加检测准确性,降低检测的虚警概率。     

边缘约束下的分形网络分割算法

分形网络演化算法（fractal net evolution approach,FNEA）是一种有效的多尺度影像分割算法,但对于具有斑点噪声、局部区域对比度低等特点的高分辨率合成孔径雷达（synthetic aperture radar,SAR）图像,直接应用FNEA算法得到的分割结果难以用于后续的面向对象影像分析。提出了基于边缘约束的FNEA（edge restricted FNEA,eFNEA）算法,通过加入边缘信息和构建异质性规则来为分割融入更多信息,提高分割效果。实验结果表明,对于微弱边缘和噪声污染严重等情形,eFNEA算法的分割结果均优于FNEA算法。