相位一致性的SAR图像溢油分割算法研究

针对传统的SAR图像溢油分割方法对斑点噪声敏感,而且对疑似溢油区域区分能力较弱的问题,该文提出一种基于相位一致性的SAR图像溢油分割算法,在对海面溢油图像进行灰度预处理的基础上,计算图像相位一致性特征,再根据最大类间方差法对计算得到的相位一致性特征值进行阈值分割。实验表明:与目前常用的溢油分割方法相比,该方法既可以有效抑制海面斑点噪声,又对疑似溢油区域具有一定抗干扰能力,而且兼顾了分割的效率。     

多尺度分割优化的SAR变化检测

基于SAR图像的变化检测和尺度有较强的相关性,提出了一种联合变化前后的两幅SAR图像进行多尺度分割的方法,在分割的图斑基础上采用了交叉熵计算图斑之间的差异程度。根据多个尺度分割的斑块计算系列差异指数,采用多尺度优化的方法得到最佳差异指数,最终实现变化区域的提取。通过对SAR图像的实验处理,说明了在多尺度联合分割的基础上进行变化检测可以得到较好的检测效果。     

基于阈值分割的LIDAR建筑物提取

在介绍常用的阈值分割方法的基础上,详述了基于阈值分割的LIDAR建筑物提取方法,对不同阈值分割方法的优越性与实用性进行分析。研究结果表明,阈值法是一种最简单最基本的图像分割方法。全局阈值能快速有效地分割噪声小、比较均匀的图像,动态阈值和c均值模糊阈值分割对不均匀图像能进行较好的分割,其中c均值模糊阈值分割法最佳。     

五种分割算法在高分辨率遥感图像中的适用性分析

本文将5种图像分割算法应用在高分辨率遥感图像分割上,并利用图像分割评价指标,对5种分割算法进行了对比分析,评价了各种方法的优缺点,讨论了它们在高分辨率遥感图像分割中的适用性,明确了不同分割方法的适用条件。实验结果表明,改进的分水岭分割法与JSEG分割法在高分辨率遥感图像分割中的适用性比较强,对大小斑块分割结果都比较好,而其他3种方法不能兼顾不同等级的斑块。     

Tsallis熵和改进CV模型的海面溢油SAR图像分割

为了解决海洋表面溢油监测中合成孔径雷达(SAR)图像分割精度不高的难题,提出一种基于Tsallis熵多阈值分割与改进CV(ChanVese)模型相结合的海面溢油图像分割方法。首先采用基于Tsallis熵的多阈值选取算法对海面溢油图像进行粗分割;然后分别将得到的溢油区域和溢油粗略轮廓作为CV模型的局部区域和初始轮廓,以降低CV模型的场景复杂度及其对初始条件的敏感性。CV模型仅考虑了图像各区域的均值信息而没有考虑图像的局部信息,尽管能够得到渐进型边界图像,但其分割结果存在误差。本文采用了加入移动因子的改进CV模型降低分割误差,提高收敛速度。实验结果表明,提出的海面溢油SAR图像分割方法具有分割边界定位准确、运行高效和无需设置初始条件等优点。     

基于人类感知的SAR图像海上溢油检测算法

在基于SAR图像的海上溢油检测中,识别的效率与准确率是关键。纹理特征是人类专家能够较好的判别SAR图像中油膜,类油膜以及海水的一个重要依据。本文算法一方面融合灰度共生矩阵与Tamura特征,直接对SAR原始图像进行特征提取,避免了对图像进行分割、降噪等预处理,提高了识别算法的可行性与识别效率。另一方面,应用深度信念网络(DBN)的分类方法,可以很好地解决溢油检测中小样本分类的问题,并且模仿人类感知系统高效准确的表示信息、获取本质特征。本文应用人类感知的思想对油膜、类油膜以及海水这3类样本进行分类识别。通过实验确定了DBN中利于分类的关键参数值。本算法对原始SAR图像中3类样本的识别准确率达到90.36%,具有较好的实用价值。     

基于SAR图像的海洋溢油分割方法研究

目前,海洋溢油污染在发生频率、分布范围以及所带来的危害程度上均居海洋污染首位。它对沿海城市生态、环境、经济的可持续发展造成严重破坏,因此越来越受到全社会的广泛关注。从众多海洋溢油分割方法中选取边缘检测算子和种子填充算法对SAR图像进行分割。首先运用欧空局的BEST软件进行数据转换以及图像预处理,然后使用ENVI软件对图像进行滤波处理。再用ERDAS软件进行灰度均衡和分割算法的实施,并针对算法的一些缺陷,进一步加入纹理分析使图像中的油膜与类油膜以及海水与海浪等更好的区分开。最后对不同的图像效果进行总结和比较。     

一种结合上下文与边缘注意力的SAR图像海陆分割深度网络方法

海陆分割对于合成孔径雷达(synthetic aperture radar,SAR)图像海洋目标检测、海岸线提取等任务具有重要意义。针对实际应用中多分辨率SAR图像海陆分割难题,提出了一种基于上下文与边缘注意力的海陆分割方法。该方法利用通道注意力机制融合不同尺度和层次的上下文特征,设计了边缘提取支路提供边缘信息,进一步提高了海陆边界的分割准确率。同时,构建了基于高分三号卫星数据的多分辨率SAR图像海陆分割数据集,该数据集涵盖了多个分辨率,包括港口、岛屿等多种海陆边界类型。并基于所构建的多分辨率SAR图像海陆分割数据集,对所提网络的有效性和各模块的作用进行了实验分析。实验结果表明,所提网络的整体预测准确率和平均交并比分别达到了98.21%和96.47%,能够较好地完成海陆分割任务。     

散射特性引导的极化SAR图像多尺度分割

为满足不同地物分割的尺度需求,本文提出一种散射特性引导的极化SAR图像多尺度分割算法。该算法以分水岭初始分割为基础,通过迭代合并相邻区域获取极化SAR图像在不同尺度下的分割结果;以极化散射功率为特征,将地物按尺度相似性划分成表面散射、二次散射和体散射3种散射类型;以分割质量评价为指导,从多尺度分割结果中为每种散射类型地物选取适宜的分割尺度并进行叠置合成,形成最终分割结果。ESAR系统获取的L波段极化SAR数据验证了该算法的可行性。     

一种改进的阈值法提取SAR图像海面油污

对阈值的选取作了相关研究,提出了一种改进的阈值法提取SAR图像海面油膜。试验表明,改进方法在提取海面油膜的应用中具有一定的可行性。     

SAR影像中海洋浮油膜特征分割的Level Set方法

介绍了一种全新的区域影像分割技术--基于迎风格式偏微分方程（PDE）的Level Set方法进行海洋浮油膜特征提取.在该方法中,海洋浮油膜特征表示为扩散界面,影像灰度的梯度决定了界面扩散的方向和强度.界面边缘在影像灰度差异动力和曲率流的共同作用下不断向外扩散,能够有效地克服尖锐突起和裂缝等,在特征边缘趋于稳定和光滑.同时,该方法对高噪声具有一定抑制作用,适用于低对比度高噪声图像,特别是SAR图象中特征提取.以不同地区ERS-2 SAR图像中海洋浮油膜提取为例,进行方法验证,同时对传统的影像分割技术进行对比.     

基于多特征的SAR影像溢油暗斑提取

由于星载合成孔径雷达(Synthetic Aperture Radar,SAR)溢油影像包含大量斑点噪声,仅依靠传统模糊聚类方法不能有效提取出其溢油区域。针对SAR图像存在的斑点噪声问题,本文提出了一种结合多特征与改进模糊C均值聚类(Fuzzy C-means,FCM)的溢油暗斑提取方法。该方法首先提取影像的多个特征,以便更加充分地反映影像信息;然后同时考虑像素与其邻域的强度和空间位置关系,以此来构造模糊加权因子,进而定义目标函数;最后通过迭代最小化目标函数,获得最佳溢油暗斑提取结果。文中对真实的SAR溢油影像进行了溢油暗斑提取实验,并分别与利用单一特征和加入邻域关系的模糊聚类方法得到的提取结果进行对比分析,实验结果证明了本文方法的有效性。     

SARBuD 1.0： 面向深度学习的GF-3 精细模式SAR建筑数据集

合成孔径雷达SAR（Synthetic Aperture Radar）是开展城市建筑区信息获取与动态监测的重要数据源。本文建立了一个面向深度学习建筑区提取的中高分辨率SAR建筑区数据集SARBuD1.0 （SAR BUilding Dataset）。该数据集包含了覆盖中国不同区域的27景高分三号（GF-3）精细模式SAR图像,并从中获取了建筑区共计60000个SAR样本数据,结合光学图像与专家解译,制作了与样本数据对应的标签图像。SARBuD1.0数据集包含了不同地形场景类型、不同分布类型、不同区域的建筑区。该数据集可支持研究者对建筑区进行图像特征分析、辅助图像理解,并可对当前热点深度学习方法提供训练、测试数据支持。本文以山区建筑为例,使用传统纹理特征与深度学习特征对建筑区进行了特征分析与比较,相比于传统的人工设计的纹理特征,卷积神经网络具有更深、更多的特征,利用网络模型浅层的不同卷积核采样可得到各种纹理特征,在网络的深层卷积结构中可获取代表着类别的深层语义特征,使得分类器能更好地检测并提取图像中指定的目标。基于本数据集利用深度学习方法对不同地形区域的建筑区进行提取实验。实验结果表明基于本数据集训练的深度学习模型,对建筑区提取可以取得良好的结果,说明该数据集可以很好支持面向大数据的深度学习方法。其他学者可以基于SARBuD1.0数据集开展建筑区图像特征分析与语义分割提取等方面的研究。     

基于Voronoi几何划分和EM/MPM算法的多视SAR图像分割

基于区域和统计的SAR分割方法,提出一种结合Voronoi划分技术、最大期望值EM(Expectation Maximization)和最大边缘概率MPM(Maximization of the Posterior Marginal)算法的多视SAR图像分割方法。首先利用Voronoi划分将图像域划分成不同的子区域,而每个子区域可以被看成待分割同质区域的一个组成部分,并假设每个子区域内的像素满足同一独立的Gamma分布,从而建立多视SAR图像模型,并在贝叶斯理论架构下建立图像分割模型,然后结合EM/MPM算法进行图像分割和模型参数估计。该方法将基于像元的马尔可夫随机场(Markov Random Field,MRF)模型扩展到基于区域的MRF模型,并且能同时有效地获取模型参数估计和基于区域的SAR图像最优分割。采用本文算法,分别对RADARSAT-Ⅰ/ⅡSAR强度图像和合成SAR强度图像进行了分割实验,定性和定量的测试结果验证了本文方法的有效性、可靠性和准确性。     

ScanSAR模式海冰图像的分割

合成孔径雷达SAR(Synthetic Aperture Radar)图像的非平稳性是SAR海冰图像自动解释的主要障碍,入射角效应是导致海冰图像特征不稳定的主要因素之一。基于Radarsat-1 ScanSAR模式数据,本文提出了一种集成入射角效应校正步骤的分割算法。该方法综合考虑了入射角效应、斑点噪声等不确定因素,经由像素到区域再到大尺度区域这一途径,把区域聚类、类尺度上的入射角效应校正以及区域合并等操作组合起来,以有效提高分割算法对非平稳性的适应能力。针对巴芬湾和和波斯尼亚湾ScanSAR模式图像的实验表明,本文提出的方法可有效提高分割准确性。     

SAR图像河流分割的加权指数区域能量模型

传统主动轮廓模型很难实现精确的SAR图像河流分割。针对这一问题,本文提出了一种加权指数区域能量主动轮廓模型,以精确地提取SAR图像中的河流。该模型在Chan-Vese(CV)模型能量泛函中引入了指数区域能量,能更好地衡量分割图像和原始图像的差异程度,提高模型的分割准确性。此外,利用目标区域和背景区域内像素灰度的最大绝对差取代模型中常值区域能量权重,自适应地调节目标区域和背景区域的能量比重,加速曲线运动到目标区域的边缘,获得更高的分割效率。针对实际河流SAR图像进行了分割试验,结果表明:与传统主动轮廓模型相比,本文提出的模型能更快速、精确地分割SAR图像中的河流,在分割结果和分割效率两方面具有优势。