区域化模糊聚类SAR图像分割

将图像域规则划分与模糊聚类方法结合,提出了一种区域化模糊聚类算法,并将该算法用于合成孔径雷达(Synthetic Aperture Radar,SAR)图像分割,以解决分割过程中像素模糊聚类难以处理SAR图像中存在的大量固有斑点噪声问题。首先,利用规则划分技术将图像域划分成大小相等的规则子块;假设每一子块内像素对聚类的隶属度相同,并以此为基础定义区域模糊聚类目标函数;通过迭代最小化上述目标函数实现SAR图像初步分割;最后,采用中值滤波方法进行后处理操作,以消除规则划分对不同类别之间边界的影响,实现SAR图像精准分割。为了验证提出算法的有效性,用模拟及真实SAR图像实现了算法测试;对算法分割结果进行定性与定量评价。结果表明算法的分割精度较高,可以有效降低SAR图像中斑点噪声对分割结果的影响。     

全方向自适应动态窗口SAR斑点噪声抑制算法

有效地抑制或消除斑点噪声是SAR图像地学应用的前提，通过基于单视数SAR图像的Speckle统计特性和已发展的空间滤波算法分析。发展了一种改进的全方向动态窗口自适应SAR噪声滤波算法，该算法对处理的每一个像元可按图像边界细节划分为需要的全方向子窗口，利用相对标准差判断滤波窗口及子窗口内斑点噪声及边缘信息的存在情况，可实现滤波窗口大小动态调整和窗口内参加滤波像素的自适应选择，对ERS SAR SLC图像试验结果表明，该算法对单视数SAR图像具有较强的Speckle抑制能力。且可较好地保持图像的纹理边界细节信息，有一定的实用价值。     

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。     

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。     

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。     

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。     

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。     

利用灰色理论进行图像边缘检测

提出了一种基于灰色系统理论的边缘检测算法。该算法根据边缘点在像素邻域数列上表现出的与非边缘点的不同特征，分别选择典型非边缘像素的邻域数列和待检测图像所有像素的邻域数列作为参考数列和比较数列，利用斜率关联度计算两者之间的灰关联度，据此区分是否为边缘像素。实验表明，该算法对于椒盐噪声和随机噪声有较好的抗噪能力，提取边缘效果较好。     

3维块匹配小波变换的极化SAR非局部均值滤波

极化合成孔径雷达(SAR)图像受相干斑噪声的影响,难以很好地保持结构特性,针对这个问题提出了一种采用3维块匹配小波变换的非局部均值滤波算法NL-3DWT(Nonlocal Filter based on 3-D Patch Matching Wavelet Transform)。该算法使用块匹配的3维非抽样小波变换对极化总功率图进行预滤波,在此基础上使用边界对齐窗提取结构相似像素,同时使用Sigma范围选择极化SAR数据的散射相似像素,共同构成相似像素集合;构建结构保持权重函数增大图像结构信息在块相似性度量时的权重,最终实现极化SAR图像结构保持的相干斑抑制。该算法增强了图像结构特征的表达,提高了结构相似像素选择的准确性,机载极化SAR数据实验结果表明,NL-3DWT算法能够在抑制相干斑噪声的同时,更有效地保持极化SAR图像的结构特性和极化散射特性。     

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。     

一种基于相对标准差的SAR图像Speckle滤波方法

通过分析ＳＡＲ影像的Ｓｐｅｃｋｌｅ局部统计特性和现有的空间波波算法,提出了一种新的Ｓｐｅｃｋｌｅ滤波该方法以局部部相对标准差为主要依据,采用特殊的滤波窗口邻域划分方法,自适应地调整窗口尺寸和窗口内的滤波区域。该方法被用于多幅ＥＲＳ－１／２ＳＡＲ图像去Ｓｐｅｃｋｌｅ处理,并与以入的典型算法进行了比较实验,取得了令人满意的结果。     

单视数SAR图像Speckle滤波方法的研究

在分析单机数SAR影像的Speckle局部统计特性和现有的空间滤波算法的基础上,提出了一种新的Speckle滤波方法,该方法采用特殊的滤波窗口邻域划分方法,根据窗口相对标准差自适应地调整窗口尺寸和窗口内的滤波区域。该方法被用于多幅单视数ERS-1/2SAR图像去Speckle处理,并与以往的典型算法进行了比较,取得了较好的实验结果。     

融合多时相高分影像的建筑物轮廓优化方法

针对高分影像建筑物提取存在错分和漏分等问题,常见的单幅影像矩形轮廓优化由于投影差、树木和阴影遮挡等问题边缘准确度不够,本文提出了一种融合多时相建筑物轮廓优化方法。首先,将两期高分影像进行匹配等预处理,利用基于偏移阴影分类验证提取建筑物初始结果。然后,分别获得两期影像中各建筑物轮廓的最小面积外接矩形,并对同名建筑物的最小面积外接矩形的各对应角点进行匹配。最后,通过对比两期影像的对应最小面积外接矩形的对应边上建筑物像素点的数量,选择像素点数量多的边作为适宜边进行平移以获得最优边,四条边都是最优边后进行直线正交得到最终符合建筑物原始形态的轮廓。试验结果表明,本文方法相比传统方法和其他轮廓优化方法在精确度和完整度上均有提高。     

Speckle filtering of Synthetic Aperture Radar images using filters with object-size-adapted windows

Speckle degrades the radiometric quality of a Synthetic Aperture Radar (SAR) image. Previous methods for speckle reduction have used a fixed-size window for filtering the entire image. This, however, may not be effective for the entire image, as land covers of different sizes require different filtering windows. In this paper, a novel method is proposed by which each pixel in the image is filtered with a window appropriate for the size of object within it. The real in-phase and the imaginary quadrature components of the SAR images determine the best window size and the pixels in the intensity image are filtered using their own optimal windows. The proposed method is presented for both single- and multi-polarized SAR images, and the results of several common filters that were modified are presented. This approach is applied to two RADARSAT-2 images: one over San Francisco, California, USA and the other over St. John’s, Newfoundland and Labrador, Canada, producing results that were similar to, or outperformed, comparable filters while retaining details and suppressing speckle effectively. While the method was successful for single-look intensity data, it offers great potential for multi-look and amplitude data as well.     

SAR图像保留边缘多窗口相干斑滤除方法

在处理合成孔径雷达（ＳＡＲ）图像中,精确地估计图像的局部统计特性和尽可能多地滤除相干斑都需要较大的窗口尺寸,而这与图像边缘和纹理结构的检测需要较小的窗口尺寸相矛盾。一般滤波器都是二者窗口尺寸的均衡,这必然导致二者都不能取得很好的效果。本文提出的新方法有效的解决了这一矛盾。此方法使处理后的ＳＡＲ图像既保存了边缘和纹理结构,避免了以往滤波器中使边缘变模糊的问题,又有效地滤除了相干斑噪声。     

光谱影像的灰度矢量相关特征与边缘特征提取

提出了多光谱图像像元特征矢量之间的极小互相关系数，极大互相关系数及互相关差值和相关密度的概念，在对模拟图像进行矢量相关分析及其对边缘提取的有效性分析基础上，提出对多光谱图像采取像元特征矢量相关分析并提取边缘信息的方法，对TM图像进行试验分析的结果说明了此方法的有效性。     

结合相似块匹配及线性最小均方误差滤波器的全极化雷达影像去噪

针对全极化合成孔径雷达Pol SAR(Polarimetric Synthetic Aperture Radar)影像相干斑噪声严重的问题,提出了一种结合相似块匹配和线性最小均方误差原理的去噪方法。该方法首先在原始影像上实现相似块组的匹配,进而利用线性最小均方误差滤波器对影像块组进行滤波得到初始去噪结果;然后,同时利用原始影像和初始去噪影像的信息进行相似块组的重新匹配,并再次利用线性最小均方误差原理对重匹配影像块进行去噪,得到影像最终的去噪结果。利用模拟的Pol SAR影像和高分三号卫星Pol SAR影像进行了算法效果的验证。结果表明,去噪算法在显著抑制影像噪声水平的同时,也能较好地保持影像的边缘和极化特性等细节信息。     

利用方向性粗糙度特征对SAR图像目标检测的研究

从反映纹理信息的粗糙度特征出发,深入研究利用方向性粗糙度特征对SAR图像进行目标检测的方法.方向性粗糙度特征是用指数小波在一个尺度上对检测图像滤波,对特定大小目标用能量关系函数求得各像素点在一个方向上的分形特征.针对MSTAR数据和ADTS数据的SAR图像,确定了用该方法检测目标时的最优参数.分别用方向性粗糙度特征和恒虚警率(CFAR)方法对上述两种不同波段的SAR图像进行目标检测,检测结果表明:方向性粗糙度特征能以更低虚警率检测出全部特定大小的目标,而且目标空间可分辨性好、位置指示准确.     

基于小波分解的星载SAR图像纹理信息提取

论述利用小波变换提取合成孔径雷达（SAR）图像的多尺度纹理信息，借助Daubechies3正交小波，对图像进行小波分解，将小波变换各个频带输出的l1范数作为纹理特征值。选取徐州市区局部的Radarsat卫星SAR图像，提取出纹理图像，实验证明，该纹理提取方法能有效地提取出面目标的纹理信息。