利用分形和多尺度分析的中低分辨率SAR图像变化检测

对于合成孔径雷达(synthetic aperture radar,SAR)图像像素级变化检测,常见的对数比、交叉熵差异图在提取建筑物等人造目标的变化时不能保持其结构特征。本文将分形维数引入到差异图构造中,定义了分形-对数比(fractal dimension-log ratio, FD-LR)融合差异图,在有效提取不同地物类型变化的同时,能够保持其轮廓结构。为克服斑噪干扰,对FD-LR进行多尺度分析,通过贝叶斯分割和决策级融合提取变化信息。实验结果表明,该方法模型简单,能够有效检测不同地物类型的变化,在中低分辨率复杂场景的SAR图像变化检测中具有优势。     

Change detection method based on fractal model and wavelet transform for multitemporal SAR images

The interaction is quite complex between a ground object and an electromagnetic wave transmitted by synthetic aperture radar (SAR). In a ground resolution cell illuminated by a radar beam, there are many chaotic scatterers and the whole scattering echo has the chaotic characteristics which is usually described with the fractal theory, and the fractal dimension can be used to detect the change information for multitemporal SAR images. In order to improve the change detection effect with fractal model, this paper proposes a new multitemporal SAR image change detection algorithm based on the fractal model and wavelet transform (called FMWT algorithm). The FMWT algorithm has two advantages. One is insensitive to speckle noise; the other is that the change detection accuracy is improved, comparing with a general fractal change detection (GFCD) algorithm. Since the FMWT algorithm adopts the two-dimensional discrete stationary wavelet transform (TDDSWT) technique, it can obtain different direction sub-images and avoid down-sampling of the discrete wavelet transform (DWT). In the paper, not only the simulative data test has been carried out, but also the real natural disaster SAR images have been checked. Experimental results verify that the FMWT algorithm is feasible for multitemporal SAR image change detection, it is not sensitive to speckle noise of SAR images, and the performance of it is better than that of the GFCD algorithm. At the same time, the size of a sliding window will bring some affection in counting fractal dimensions.     

一种基于极化距离测度的SAR变化检测方法

本文在经典的极化分类Wishart距离基础上提出了一种对变化敏感的极化距离测度,发展了相应的多时相极化SAR变化检测方法。以北京地区的多时相全极化RADARSAT-2影像进行了实验,对比分析了提出的极化距离测度与各个极化通道后向散射系数对数比值对不同类型地物变化的区分能力,结果表明,提出的极化距离测度不仅对所有的变化类型均有良好的检测作用,而且对变化区域有更高的区分力。这说明本文提出的极化SAR变化检测方法具有广泛的应用价值。     

基于分形理论的SAR图像边缘检测

分析了SAR图像的基本特点 ,阐述用DFBR模型表达SAR图像的基本原理 ,提出两种基于分形理论的SAR图像边缘检测方法。通过对传统方法、分形方法和多尺度分形方法的特性分析和实验 ,说明分形方法有较强的抗干扰性能 ,适用于SAR图像的边缘检测 ,并且基于多重分形的方法能获得更好的检测结果     

高分三号SAR影像双阈值变化检测

双阈值合成孔径雷达SAR(Synthetic Aperture Radar)变化检测算法具有在发现变化区域的同时还能确定地表发生后向散射变化类型的优点。针对广义高斯双阈值最小误差法D-GKIT(Dual Generalized Kittler and Illingworth Thresholding)在进行阈值选取时直方图中不同类别像素灰度级重叠严重时,分割结果容易在尖峰单侧选取出双阈值而导致无法正确分割差异图的问题,本文提出一种结合归一化最大类间方差和广义高斯最小误差法GKIT(Generalized Kittler and Illingworth Thresholding)的双阈值SAR变化检测方法。首先,提出以归一化最大类间方差值作为灰度级重叠程度的判别参数,确定阈值的选取顺序及两个候选区间;然后,利用GKIT在候选区间内进行分割,获取单侧阈值及非变化类拟合函数;最后,提出利用非变化类拟合函数更新后的直方图作为另一侧阈值选取基础进行分割,得到对应分割阈值。以宁波地区高分三号(GF-3)SAR卫星影像作为试验研究数据,结果表明:本文方法能较好地解决灰度级重叠时D-GKIT无法进行正确分割的问题,具有良好的变化检测效果和更强的鲁棒性且达到了利用研究区数据验证利用GF-3号SAR卫星影像进行变化检测研究可行性的目的。     

基于MRF信息融合的多通道SAR图像变化检测算法

SAR图像变化检测是近几年SAR图像应用研究的新领域,现有的SAR图像变化检测算法大多针对单通道图像数据,而利用多通道SAR图像数据进行变化检测,可以充分利用图像信息,能够得到更好的检测效果。论文研究了基于MRF信息融合的多通道SAR图像变化检测算法,通过融合图像不同通道信息,实现变化检测;并重点论述了算法的基本原理和算法实现过程,通过实验对比,证明了论文提出的算法可以得到较高的检测精度。     

结合KI准则和逆高斯模型的SAR影像非监督变化检测

提出一种结合逆高斯模型（inverse Gaussian model,IGM）和KI（Kittler-Illingworth,KI）最小错误率准则的合成孔径雷达（synthetic aperture radar,SAR）影像非监督变化检测方法。假设差值影像中未变化类和变化类服从混合IGM,结合贝叶斯决策理论,自动求取满足KI最小错误率准则的阈值。在两组多时相SAR数据上分别设计了两组实验以验证本文方法的有效性。实验表明,本文方法可以更好地估计差值影像中未变化类和变化类的概率密度分布,得到合理的决策阈值,有效提高变化检测图的精度。     

纹理特征向量与最大化熵法相结合的SAR影像非监督变化检测

合成孔径雷达(SAR)影像具有明显的斑点噪声,在变化检测中,一般需要考虑空间邻域信息。本文结合SAR影像丰富的纹理信息,提出一种考虑空间邻域信息的高分辨率SAR影像非监督变化检测方法,用基于灰度共生矩阵(GLCM)的32维纹理特征向量构造差异影像。通过最大化熵法自动选取阈值,对精度指标随窗口大小的变化进行回归分析,得到适合于变化检测的窗口为11×11。试验表明,本文方法优于马尔科夫随机场法,可以减小斑点噪声的影响,有效提高高分辨率SAR影像变化检测的精度。     

混合智能优化算法的SAR图像特征选择

为提高SAR图像自动目标识别的准确率及实时性,提出了一种基于混合智能优化的SAR图像特征选择算法。首先,采用分形特征对SAR图像进行增强,基于分割后的图像提出了一种基于图像矩的方位角估计方法。然后基于未校正和校正后的图像分别提取Zernike矩、Gabor小波系数和灰度共生矩阵构成候选特征集合,使用遗传算法结合二值粒子群的混合优化算法实现SAR图像特征选择。最后,采用MSTAR数据库验证本文算法的有效性。实验结果表明,优化后的特征集合具有一定泛化能力,一方面提高了SAR目标识别的准确率,另一方面减小了SAR图像目标识别的时间。     

基于多个极化通道的SAR影像道路探测

提出了一种从SAR影像的多个极化通道探测道路的新方法。首先，介绍了用边缘探测器构造道路探测器的方法； 然后，将多参数统计假设检验的方法应用到全极化影像的信息融合中，并将该方法提取的结果与传统Tupin法提取的结果进行了比较。实验表明，该方法对全极化SAR影像道路边缘的提取效果较好，具有一定的适用性。     

指数型多尺度影像序列的C-V模型SAR岸线快速自动分割

为提高SAR影像岸线自动分割的精度和效率,针对传统二进制(影像序列生成的金字塔步长底数为a=2)多尺度C-V模型对初始条件敏感、收敛速度低的问题,提出指数型(影像序列生成的底数为a≥1)多尺度影像序列生成方法,本方法将传统多尺度影像序列的生成方式的底数2量化为a≥1的任意数,并应用筛选因素进行自动地快速识别海岸线。从海岸线分割结果和所需时间方面与已有传统二进制C-V模型算法进行对比,实验表明本文算法在保证精度的条件下单次迭代逼近海岸线的计算量上小于传统即二进制多尺度C-V模型的单次迭代计算量,总迭代次数有所减少,时间效率有所提高,提高了岸线自动分割的精度和效率。     

多基线机载合成孔径雷达影像匹配的SANCC法

为了有效利用合成孔径雷达(synthetic aperture radar,SAR)多基线影像的几何信息和辐射信息,提高匹配精度,提出了一种适用于多基线SAR幅度影像的自适应归一化互相关系数和(sum of adaptive normalized cross-correlation,SANCC)影像匹配方法。该方法首先利用SAR成像参数、平台参数和物方高程范围构建匹配方向线;然后引入Gestalt原理的接近性和相似性原则对窗口内的像素加权,计算获得沿匹配方向线的SANCC值;最后采用winner-take-all(WTA)优化策略获取多基线影像的匹配结果和物方三维信息。利用国产机载SAR系统获取的多基线影像进行匹配试验,结果表明与常规的相关匹配方法相比,该方法可以获得更为密集、精确的匹配点,有效减少了由重复纹理造成的误匹配,并能较好地解决由纹理匮乏导致的匹配难题。     

利用GLCM纹理分析的高分辨率SAR图像建筑区检测

根据高分辨率SAR图像上建筑区的影像特征, 提出了基于灰度共生矩阵(gray-level cooccurrence Matrix, GLCM)纹理分析的建筑区提取方法, 该方法由初步定位和边界调整2个步骤组成, 均遵循特征计算、基于Bhattacharyya距离的特征选择和KNN分类流程, 所不同的是2个步骤中分别采用了逐块和逐点计算纹理特征的方式以兼顾纹理分析的效率和准确性。文中对不同SAR传感器获取的图像进行了实验。实验结果表明, 选用具有最大Bhattacharyya距离值的3或4个特征可以获得较好的初步定位结果, 建筑区的检测率超过80%, 虚警率低于10%;随着边界调整的进行, 检测到的建筑区边界逐渐接近于真实边界。实验结果验证了该算法的有效性。     

全极化SAR数据反演桥面高度

根据高分辨率SAR图像上建筑区的影像特征, 提出了基于灰度共生矩阵(gray-level cooccurrence Matrix, GLCM)纹理分析的建筑区提取方法, 该方法由初步定位和边界调整2个步骤组成, 均遵循特征计算、基于Bhattacharyya距离的特征选择和KNN分类流程, 所不同的是2个步骤中分别采用了逐块和逐点计算纹理特征的方式以兼顾纹理分析的效率和准确性。文中对不同SAR传感器获取的图像进行了实验。实验结果表明, 选用具有最大Bhattacharyya距离值的3或4个特征可以获得较好的初步定位结果, 建筑区的检测率超过80%, 虚警率低于10%;随着边界调整的进行, 检测到的建筑区边界逐渐接近于真实边界。实验结果验证了该算法的有效性。     

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。     

利用纹理融合与广义高斯模型的高分辨率SAR影像变化检测

为了充分利用高分辨率SAR影像的纹理特征,提出一种纹理信息融合与广义高斯模型相结合的SAR影像变化检测方法。通过灰度共生矩阵计算影像的纹理特征进而构造纹理差异影像,利用离散平稳小波变换,融合灰度差异影像和纹理差异影像。然后利用广义高斯模型进行统计建模,估计融合后差异影像上变化类和未变化类的概率分布,利用KI阈值准则获取最佳分割阈值,实现多时相SAR影像的非监督变化检测。选取两组TerraSAR-X数据进行实验,结果表明融合纹理信息与广义高斯模型的变化检测方法可行,其中融合逆差距纹理信息的检测性能最优。     

A Neural Network Landuse Classifier for SAR Images Using Textural and Fractal Information

Abstract

Artificial neural networks (ANN) have recently been popularly used in image classification. Input features to most ANNs are extracted based on a one class per pixel basis. This requires a large number of training samples and thus a slow training rate. In this paper, we describe the use of a windowing technique to extract textural features such as average intensity, second moment of intensity histogram and fractal surface dimension from an image. This method of image characterization reduces the number of training samples efficiently, yet retains a reasonable overall classification accuracy. The ANN is trained based on the back‐error propagation algorithm. The method is applied for landuse classification of Synthetic Aperture Radar (SAR) images. An example is given for a site in Kedah State, Malaysia. The SAR images (HH,HV,VV) were taken by the Canadian Centre for Remote Sensing (CCRS) CV‐580 airborne C‐band SAR system in November 1993 during their GlobeSAR mission in Malaysia. These multi‐polarization SAR images are co‐registered with a Landsat Thematic Mapper (TM) channel 5 image from same area. An overall classification accuracy of about 86.95% is achieved using windowing technique, as compared to 68.22% based on one class per pixel approach. This shows that through fractal and textural information, the windowing technique when applied in an ANN classifier has a great potential in remote sensing applications.     

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。     

SAVR法──影像表面分维估计的新方法

本文在分形表面积与体积关系的基础上，导出了一种估计影像表面分维数的新方法──ＳＡＶＲ法。通过对合成的已知维数分形影像数据的测试，表明新方法在分维估值准确性和无标度区特性方面表现较优，进一步与ＢＬＡＮＫＥＴ法分维估计实验比较得出，ＳＡＶＲ法具有较强的保持多分辨影像分维估值的稳定性。最后提出了基于ＳＡＶＲ法方向分维的纹理特征度量并给出了在方向纹理分析中的应用实例。