多通道SAR影像中道路的探测

提出了一种探测多通道SAR影像中道路的新方案。首先阐述了从边缘探测器中建构线状探测器。然后,介绍了应用到SAR影像中的多参数统计假设检验方法。利用传统的亮线提取过程对初期结果进行了矢量化。实验表明:该方法应用到全极化SAR影像中的道路的提取中效果较好。     

基于模糊算法的极化SAR影像分类

极化合成孔径雷达（POLSAR）由于其能对目标进行更为全面的极化信息的描述,已经成为SAR领域中最先进的传感器之一。本文对模糊集理论中的三种模糊聚类算法进行了系统全面的阐述,并重点研究了基于模糊可能性C均值算法（FPCM）的极化SAR非监督分类方法。     

利用SIFT与粗差探测进行SAR影像配准

SAR影像特殊的成像机理使得SIFT在SAR影像配准中的错误率较高,加入相干系数的辅助只能在一定程度上削弱SIFT的错误配准。由于仅考虑灰度的配准策略对精度的提高有限,本文将摄影测量中粗差探测和剔除的方法与SIFT算法相结合。在二次多项式平差的过程中,将错误同名点视为粗差,利用粗差剔除的方法提高配准精度。实验证明了此方法的可行性。     

多尺度小波融合SAR影像边缘提取

本文在研究SAR影像地物边缘特征和灰度直方图分布规律的基础上,利用方向可调滤波器提取了边缘,并利用多尺度小波融合算法对提取的边缘进行了融合。实验证明,本方法在保持边缘连续性和准确性上取得了较为理想的结果。     

目标分解的极化SAR影像分割算法

针对斑点噪声严重的高分辨率SAR数据开展智能化影像分割方法研究的不足,该文基于面向对象的思想和极化SAR目标分解理论,提出基于目标分解的面向对象SAR影像分割算法,实现了Pauli基分解分割、Krogager基分解分割、Freeman基分解分割这3种典型的SAR目标分解下的影像分割方法。实验结果表明:所提出的不同极化基下的分割算法取得的结果较为理想、精度高,且整体上具有一致性;对于不同类型的特定目标,Pauli基分解分割算法对道路等表面散射体分割效果较好,Freeman基分解分割算法则更有利于植被等体散射体的分割。     

一种SAR影像带状道路半自动提取方法

文章提出了一种结合极化的相干最优信息的SAR影像带状道路半自动提取方法.该方法由用户输入种子点确定初始矩形模板,用傅立叶函数构建道路轨迹模型作为全局的控制条件,将矩形模板的角度信息结合极化相干最优信息作为局部的控制条件,根据两种条件控制模板的前进方向,实现道路的边缘线提取.通过与人工提取结果对比,证明本文的方法能够取得较理想的效果.     

基于稀疏特征的SAR影像质量提高方法

针对合成孔径雷达(SAR)数据分布的尖峰性和重尾性,通过研究SAR影像强度的分布规律,提出了基于稀疏特征的SAR影像质量提高方法。首先对SAR影像的基础数据进行压缩分布处理和稀疏先验分布处理,得到质量较好的灰度影像;再利用基于模糊理论的SAR影像对比度增强算法增强了SAR影像的自适应对比度,大幅提升SAR影像的显示效果;最后利用实测数据验证了该方法的有效性。     

基于目标分解及纹理信息的全极化SAR影像分类

全极化SAR影像含有丰富的特征信息,针对单一特征用于分类难以达到满意精度的问题,提出一种基于不同目标分解方法及纹理信息的SVM(Support Vector Machine,SVM)全极化SAR影像监督分类方法。结果表明,Cloude分解和Yamaguchi分解在极化特征信息提取时各有优势,且都优于Freeman分解效果;Cloude分解和Yamaguchi分解结合作为极化特征信息时,分类总体精度相对较高;纹理信息与极化特征信息在表现地物特性方面具有互补性,结合纹理信息后,分类总体精度提高了4.92%,为90.86%,Kappa系数为0.8754。     

基于小波的SAR影像纹理分析

在分析SAR影像特征的基础上,引入了基于小波的纹理提取方法,并采用第二代提升小波与双正交小波对SAR影像进行小波二级分解,提取影像各尺度上的小波特征系数。对机载的SAR影像进行了纹理分析及分类,得出了不同小波的分类分析结果。     

改进剖面匹配和EKF对SAR影像道路半自动提取

道路提取作为典型的线状目标提取,是遥感影像目标解译的研究热点。合成孔径雷达（SAR）影像包含了丰富的物理特性,能够全天时、全天候地获取影像数据,已广泛应用于道路提取中。传统的道路提取方法分为全自动和半自动方法。全自动道路提取会出现漏检和错检,需要大量的人工后处理。半自动方法结合人工干预,是对计算机的计算能力和人工解译准确性的有效折中。提出了用一种改进剖面匹配和扩展卡尔曼滤波（EKF）的方法对SAR影像道路进行半自动提取的方法。首先构建了道路提取模型,其次通过改进剖面匹配算法获取准确的观测值,最后利用EKF对观测值进行更新获取道路最优估计值。选取美国缅因州Howland地区L波段UAVSAR数据和海南陵水地区X波段机载SAR数据进行实验,结果表明,该方法在较少人工干预的情况下,能够对复杂场景道路进行有效稳健的提取。     

SAR图像海岸线检测算法综述

回顾近年来应用SAR图像进行海岸线及物体边界检测的几种方法, 并对各种方法进行了综述、总结和对比.     

基于K-L变换的彩色航空影像阴影检测

从K-L变换的原理及其特性出发,提出了一种利用K-L变换技术来对影像上的阴影进行检测的方法,实验表明其对彩色航空影像上阴影区域的检测是有效的.     

基于多光谱综合的MODIS数据云检测研究

云检测是卫星遥感数据处理中不可缺少的工作。通过分析云在不同波段中的大气辐射特点，结合MODIS数据的光谱特性，提出 一种多光谱综合的云检测方法。该算法从可见光反射率、红外波段亮温值以及亮温差等方面综合考虑，逐步建立一个云检测掩模。通 过对不同时期不同背景的MODIS数据进行验证和对比分析，结果表明，该模型的云检测效果理想，尤其对可见光波段难以识别的薄卷 云也有很好效果，为有效利用MODIS数据以及进行更加精确的反演提供可靠依据。     

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。     

SAR图像斑点噪声的小波软门限滤除算法

本文介绍利用小波分析和软门限对合成孔径雷达（ＳＡＲ）图像斑点噪声（Ｓｐｅｃｋｌｅ）进行抑制与滤除的算法。首先选择合适的小波基对合成孔径雷达（ＳＡＲ）图像进行小波分解,应用Ｄａｖｉｄ Ｌ．Ｄｏｎｏｈｏ软门限理论,并且将其推广到２维信号。针对ＳＡＲ图像斑点噪声的特殊性,即在小波变换域内图像和斑点噪声的奇异性不同,选取合适的门限在小波域内滤波。最后进行小波反变换得到去噪后的ＳＡＲ图像。实验证明,该算法能     

基于MATLAB的遥感图像变化检测

主要讨论了遥感图像变化检测的图像几何配准和阈值选取理论,利用MATLAB强大的数值计算功能实现了遥感图像变化检测.在拓展数学符号计算软件包MATLAB应用领域的同时,探索了一种遥感图像处理软件的快速开发方式.     

基于物方影像匹配的DEM聚类变化检测

提出了DEM的变化检测问题,采用了基于密度的聚类分析方法对匹配所得的初始变化区域进行分析,实现了地表高程变化区域的检测.     

基于多时相卫星图像的稀土矿开发变化检测

利用研究区1999年ETM+和2005年SPOT图像对稀土矿区进行遥感变化检测。引入散点控制回归方法对图像进行辐射归一化处理,选用分类后对比检测法生成类别变化转移矩阵,确定了矿区面积增加的来源和新增矿区的分布范围,达到了预期效果。     

基于多特征对象的高分辨率遥感影像分类方法及其应用

提出了基于多特征对象的高分辨率遥感影像分类方法，分析了该方法相对于基于像元的和单纯依靠光谱特征的传统处理方式所具有的优势，总结了该方法的特点，并给出了相关实验结果。实验表明，对于高分辨率遥感影像，基于多特征对象的分类技术能产生较好的结果。     

基于局部光谱空间分析的多尺度边缘检测

分析了传统边缘检测算法在多光谱影像应用中的局限性，提出了一种基于局部区域的光谱空间平均半径测度的边缘检测方法，该方法扩展了原有的单波段影像边缘检测的概念，将像元的灰度信息转化为光谱矢量，提高了检测的可靠性，并给出了多尺度边缘组合的算法。通过MAIS成像光谱仪对鄱阳湖30个波段数据试验，证明了此方法对边缘检测的有效性。