一种多极化SAR图像融合方法研究

本文针对多极化SAR图像的融合问题,提出了一种基于非下采样Contourlet变换(NSCT)与脉冲耦合神经网络(PCNN)的图像融合方法。此方法用NSCT对已配准的多极化SAR图像进行分解,得到低频子带系数和各带通子带系数;采用简化的PCNN模型分别对低频子带和高频子带系数进行智能决策,并进行NSCT逆变换得到融合图像。经实验表明该方法能够最大程度地保留原始极化SAR图像的信息,融合效果好于基于单个像素和局部特征的融合方法。     

侧扫声呐图像分割的中性集合与量子粒子群算法

针对现有的侧扫声呐图像分割方法存在分割准确率不高和效率偏低的问题,提出了一种基于中性集合和量子粒子群算法的侧扫声呐图像阈值分割方法。通过基于中性集合计算图像灰度共生矩阵,实现了侧扫声呐图像精细纹理的表达,提高了分割精度;基于二维最大熵理论,采用量子粒子群算法计算二维最优分割阈值向量,实现了分割阈值向量的快速准确获取,提高了分割效率和精度。最终实现了高噪声侧扫声呐图像目标的准确、高效分割。通过对含有不同目标的侧扫声呐图像的分割试验,验证了该算法的有效性。     

多波束与侧扫声呐图像的迭代自适应配准方法EI北大核心CSCD

针对目前多波束与侧扫声呐图像配准方法未顾及图像形变细节信息及二者尺度差异,存在局部纹理失真的问题,本文提出了结合小波变换、仿射变换和Demons配准算法的迭代自适应配准方法。利用小波变换提取侧扫声呐图像低频信息并重构图像,先后采用仿射变换和Demons算法将重构图像与多波束图像进行迭代自适应配准,获取配准变换模型,利用该模型对侧扫声呐原图像进行整体配准变换,获得多波束图像地理坐标约束的侧扫声呐图像。实例验证结果表明:该方法能有效实现多波束与侧扫声呐图像配准,获得位置准确且纹理丰富的融合声呐图像。     

利用多尺度特征与深度网络对遥感影像进行场景分类

针对因样本量小而导致的遥感图像场景分类精度不高的问题,结合非下采样Contourlet变换(NSCT)、深度卷积神经网络(DCNN)和多核支持向量机(MKSVM),提出了一种基于多尺度深度卷积神经网络(MS-DCNN)的遥感图像场景分类方法。首先利用非下采样Contourlet变换方法对遥感图像多尺度分解,然后对分解后的高频子带和低频子带分别用DCNN训练得到了不同尺度的图像特征,最后采用MKSVM综合多尺度特征并实现遥感图像场景分类。对标准遥感图像分类数据集的试验结果表明,本算法能够结合低频和高频子带对不同类别场景的识别优势,对遥感图像场景取得较好的分类结果。     

基于局部标准差的遥感图像噪声评估方法研究

局部均值与局部标准差法是目前应用最广泛的遥感图像噪声评估方法之一。该方法利用了局部均值与局部标准差的概念,对含有加性噪声的遥感图像进行噪声评估。但该方法受地物覆盖类型影响很大,当遥感图像中地物覆盖复杂时,会得到异常的噪声估算结果。产生这一现象的主要原因是遥感图像中包含边缘和纹理的不均匀子块。为降低地物覆盖复杂性对算法的影响,本文提出了基于边缘块剔出的局部均值与局部标准差法和基于高斯波形提取的局部均值与局部标准差法,前一种方法是削弱图像中包含边缘的不均匀子块的影响,后一种方法是提取反映均匀子块数量特征的高斯波形。利用同一次航空试验中获取的两幅AVIRIS辐射图像对改进后的算法进行了检验,结果表明改进后算法的健壮性明显提高,且噪声估算结果更准确。     

侧扫声呐条带数据处理及其无缝成图

受测量机理的制约,侧扫声呐拖鱼位置及姿态难以准确获得,这也使得侧扫声呐图像长期用于定性分析,而忽略了其精处理工作。本文针对瀑布图像存在的各种畸变、使用不直观等问题,从侧扫声呐成图机理出发,对侧扫声呐条带数据处理方法开展了系统研究,形成了一套集海底追踪、斜距改正、拖鱼归位计算、地理编码、缝隙填补等技术为一体的综合方法,最终形成了一幅消除了各种畸变、灰度均衡、目标轮廓清晰、具有直观坐标信息的高质量无缝侧扫声呐地貌图像。     

一种侧扫声呐图像去噪及均衡化综合处理方法

侧扫声呐在测量过程中易受其他作业船只及作业船速、尾流、增益参数设置等因素的综合影响,导致其图像存在多种噪声干扰及辐射畸变问题,传统方法难以有效滤除,严重影响海底地物和目标的判读。本文根据侧扫声呐图像的特点,提出了一种新颖的去噪及均衡化综合处理方法。与传统方法相比,综合法处理后图像熵值减小,峰值信噪比增大,且目标形状得到了有效保持,实现了侧扫声呐图像的高质量获取。     

侧扫声呐图像SFS微地形反演数值算法选择

侧扫声呐成图环境复杂,噪声突出,图像明暗强度与海床底质和地形相关,采用SFS方法开展2D侧扫声呐图像的3D微地形恢复工作,需解决海床声波反射模型和SFS数值算法优选两个问题。结合侧扫声呐成图机理和声能方程,构建了漫反射回波提取模型;在此基础上,采用相关性、信噪比、信息熵等参数构建了SFS数值算法反演性能的评价体系;最后采用实测声呐图像开展了4种典型SFS数值算法的微地形反演试验。试验结果表明,相较于其他数值算法,ZhengChellappa最小化算法不仅能有效地挖掘二维图像中的三维信息,而且具备较好的抗噪能力,更适合于侧扫声呐图像的三维微地形反演。     

基于改进粗糙集和NSCT的红外遥感图像增强

提出了一种基于改进粗糙集和NSCT的红外遥感图像增强方法。该方法首先利用NSCT对图像进行分解,得到多层多方向子带系数;然后根据相邻尺度和不同方向的子带中图像噪声、脆弱边缘等不同成分的系数分布,使用粗糙集对其进行分块,并制定合理的决策规则;再通过集合运算对系数中不同子块采用不同的处理方法,一方面抑制噪声,另一方面保护图像中的脆弱边缘结构,并采用增强函数对其进行不同程度的增强;最后对处理过的NSCT系数进行重构,获得增强后的红外图像。实验表明,该算法相对于其他传统红外遥感图像增强算法具有较好效果。     

侧扫声呐图像应用领域综述

侧扫声呐图像目前广泛应用于海洋工程、海洋科学、水下目标探测与识别等领域。仪器性价比的不断提高,给侧扫声呐图像的更深层应用带来了新的契机。本文综述了侧扫声呐图像的应用领域,为我国更深层次应用这一传统设备提供了实践指导;同时,概略给出了侧扫声呐图像后续精细处理的研究方向。     

基于NSCT和SURF的遥感图像匹配

SURF(Speed Up Robust Features)算法是对尺度不变特征变换SIFT(Scale Invariant Feature Transform)算法的一种改进,应用到遥感图像匹配领域中可以大大提高匹配速度,但是匹配精度略有下降。为此,本文提出一种基于无下采样Contourlet变换NSCT(Nonsubsampled Contourlet Transform)和SURF的遥感图像匹配算法。首先使用NSCT分别分解参考图像和待匹配图像,得到各自对应的低频分量;然后把这两幅低频分量图像作为SURF算法的输入图像进行预匹配,降低高频噪声对匹配结果的影响;最后利用预匹配结果求解变换模型的参数,并采用随机抽样一致RANSAC(Random Sample Consensus)算法剔除误匹配点对,解决了SURF算法存在的错误匹配问题。实验结果表明,与SIFT算法、SURF算法相比,本文算法具有更高的匹配精度和更快的匹配速度,且抗旋转、噪声、亮度变化能力更强。     

一种顾及区域特征差异的热红外与可见光图像多尺度融合方法

针对传统的热红外与可见光图像融合方法对比度低,容易出现边缘细节、目标等信息丢失或减弱的现象,提出一种顾及区域特征差异的热红外与可见光图像多尺度融合方法。首先采用自适应PCNN（脉冲耦合神经网络）模型和二维Renyi熵相结合的图像分割方法,分别对红外和可见光图像进行区域分割;然后利用非下采样Contourlet变换对原图像进行多尺度多方向分解,根据区域的特征差异设计不同的融合规则,融合热红外与可见光图像。实验结果表明,该方法不仅能有效地融合热红外图像的目标特征,还能更多地保留可见光图像丰富的背景信息,融合图像对比度高,在视觉效果和客观评价上优于传统融合方法。     

基于GLCM的侧扫声纳影像纹理数据库设计

根据侧扫声纳影像的特征,提出了基于灰度共生矩阵(gray level co-occurrence matrix,GLCM)纹理分析的声纳影像纹理提取方法,对不同的纹理特征参数进行量化分析,生成侧扫声纳纹理图像,并建立侧扫声纳图像纹理数据库,实验结果验证了该算法的有效性和可行性。     

利用快速离散Curvelet变换的遥感影像融合

提出了一种基于快速离散Curvelet变换的遥感影像融合方法。首先,对经过空间配准的多光谱和全色影像分别进行快速离散Curvelet变换。然后,对低频子带采用局部标准差加权策略,对中高频子带采用绝对值最大策略,对高频子带采用直接替换策略,反变换后即可得到融合影像。IKONOS、QuickBird、World-View-2多光谱和全色影像的融合实验和定量评价结果表明,该方法较传统方法有明显优势。     

侧扫声呐图像海底线自动提取方法研究

针对现有方法在侧扫声呐水柱区图像受发射脉冲、海面回波、尾流及大面积悬浮物等干扰情况下海底线无法自动准确检测和提取,造成斜距改正后目标图像严重畸变和错位等问题,基于侧扫声呐成像机理以及图像特点,提出了海底线最后峰值检测法和基于海底变化渐进性和海底线对称性的海底线修复方法。结合Kalman滤波以及上述方法的特点和适用对象,提出了一种海底线自适应综合检测和提取的方法,并给出了完整的数据处理流程。该方法应用于烟台水域,消除了海况差、悬浮物遮挡等问题的影响,实现了复杂海洋噪声影响下海底线的自动跟踪。与外部测深数据比较,取得了均方根为±0.17 m的跟踪精度。     

DT-CWT结合MRF的遥感图像变化检测

为了解决多尺度遥感图像变化检测在降噪时丢失大量高频信息及单一像素孤立性的问题,提出了一种双树复小波变换DT-CWT(Dual-tree Complex Wavelet Transform)和马尔可夫随机场MRF(Markov Random Field)相结合的非监督遥感图像变化检测算法,首先采用DT-CWT对差异图像进行多尺度分解,并根据MRF模型分割算法提取高频区域的变化特征,然后进行相应层的高、低频重构,再对重构后的各层建立MRF模型并根据贝叶斯最大后验概率准则MAP(Maximum A Posterior)进行最终分割,最后对各层分割结果进行求交融合,得到最终的变化检测结果掩膜图。对比实验结果表明,该方法在去除杂点和噪声的同时能够较好地保留高频信息,并且边缘检测更加平滑,具有较高的变化检测精度和很好的鲁棒性。     

一种基于相位一致的高分辨率遥感图像特征检测方法

精确检测图像边缘特征是进行高分辨率遥感图像分割和识别的关键。空域特征检测算子以解决阶跃形边缘为主,得到的边缘特征对图像的亮度和对比度敏感。本文引入了一种基于频域相位一致的图像特征检测方法,该方法对遥感图像亮度和对比度具有不变性,同时适用于多种边缘特征的检测。使用Log Gabor小波计算IKONOS Pan图像的相位一致多尺度梯度,对农田、道路和厂房等典型地物进行特征检测的结果表明,相位一致算法对图像局部亮度和对比度不敏感;并且对线形物体产生单线响应,不似空域检测算子产生双线响应。最后考察滤波器尺度和方向参数变化及添加高斯噪声对检测结果的影响,发现相位一致算法无需先使用低通滤波去除噪声,因而具有更稳定的特征定位精度;并且抗噪声干扰的能力强,检测结果不会因为噪声而出现波动。基于相位一致的遥感图像不变特征提取,为高分辨率遥感图像的分割和对象识别提供了基础。     

面向对象的高分辨率遥感影像阴影提取方法

针对高分辨率遥感影像阴影提取的问题,通过分析影像主成分变换和HIS变换的特征,提出了一种面向对象的高分辨率遥感影像阴影提取方法:首先,使用mean shift分割方法进行影像去噪和平滑;然后,结合主成分变换和HIS变换形成了一种阴影检测指数(SDI);最后,通过阈值分割提取阴影信息。选取两景影像进行了阴影提取实验。实验结果表明,SDI能有效地区分阴影与建筑物、水体、蓝色地物、植被等非阴影地物;另外,mean shift分割能有效地去除结果中斑点噪声的影响,提高阴影检测精度。