基于混合Gamma拖尾Rayleigh分布的高分辨SAR图像建模

针对已有统计模型无法精确刻画高分辨率SAR（Synthetic Aperture Radar合成孔径雷达）图像的统计特征的问题,本文提出一种基于乘积模型的统计模型称为混合Gamma拖尾Rayleigh分布模型。在该模型中,我们利用拖尾Rayleigh分布对相干斑进行建模,使模型可以精确拟合高分辨率SAR图像相干斑的尖峰和厚尾的特征;同时我们引入混合Gamma分布对高分辨SAR图像RCS（Radar Cross Section雷达散射截面积）复杂起伏特性进行表征。基于梅林变换,我们推导出混合Gamma拖尾Rayleigh分布对数累计量参数估计公式,提高参数估计精度,从而实现对高分辨率SAR图像的精确建模。最后我们通过真实SAR图像对本文提出的模型与已有模型进行比较。试验结果表明,本文提出的模型能够对不同的高分辨率SAR图像进行统计建模,并且具有较高的拟合精度。     

高分辨率SAR图像杂波模型对比研究

本文针对高分辨率SAR图像的陆地场景,开展Normal分布、Rayleigh分布、LN分布、Weibull分布和Gamma分布模型的对比拟合实验。通过K-S法检验每种模型对不同SAR场景杂波数据的拟合精度,并通过Gamma Map滤波简单说明杂波模型在斑点噪声抑制方面的应用。结果表明,Gamma Map滤波效率高于其他的传统方法。     

单视SAR图像相干斑回波的特征分析与统计

高分辨率合成孔径雷达的相干斑是由雷达信号的干性引起的，并存在于所有相干图像中。根据SAR成橡机理，分析了产生的原因特征，给出了SAR相干斑的确切定义、统计方法。实验表明统计结果与传统方法相比更加精确。     

基于贝叶斯框架和Gamma分布的SAR图像分割

图像分割作为图像处理的关键步骤之一,一种高精度的SAR图像分割方法在图像分析与解译中显得尤为重要。根据SAR图像的统计特性,本文主要研究基于贝叶斯框架和Gamma分布的SAR图像分割方法,分别以单一Gamma分布概率模型和Gamma混合模型定义像素属于聚类的或然率;此外,基于马尔科夫随机场理论定义像素与其邻域像素标号间相互作用关系,并以此作为先验概率;然后,根据贝叶斯定理得到像素属于聚类的后验概率。最后,分别基于上述两种方法对模拟SAR图像及真实SAR图像进行分割实验。结果表明,Gamma混合模型较单一Gamma分布能够更加准确地描述SAR图像分布特征,得到高精度的分割结果。     

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。     

区域Gamma混合模型的SAR图像分割

针对传统Gamma混合模型用于SAR图像分割时忽略像素间空间相关性,导致分割结果不连续并产生大量误分割的现象,提出了区域Gamma混合模型的SAR图像分割算法。首先对图像进行分水岭分割,得到过分割区域块,然后将其作为输入样本进行基于Gamma混合模型的聚类,在模型的参数估计过程中进一步考虑区域间的空间相关性,设计邻域因子融入到迭代过程,得到邻域加权类分布概率。该算法充分利用像素间的空间相关性,能够降低噪声对分割结果的影响。通过合成图像和真实SAR图像的实验表明,本文算法能够实现SAR图像的准确分割。     

采用散射特征相似性的极化SAR图像相干斑抑制

极化合成孔径雷达(SAR)图像的相干斑严重影响图像信息的有效提取,为此提出一种基于极化散射特性的相干斑抑制方法。该方法结合SAR图像的冗余信息及其散射特性的相似性,利用Wishart分布对SAR数据的相似性进行度量,然后依据相似性计算权重对协方差矩阵进行加权平均,实现对极化SAR图像的相干斑抑制。本文方法对协方差矩阵的各元素单独处理,因此在极化信息的保留方面尤具优势。通过真实SAR数据的实验表明,该方法与现有极化白化滤波(PWF)和极化Lee滤波相比,具有更好的相干斑抑制能力和细节的保持能力。     

局部统计活动轮廓模型的SAR图像海岸线检测

首次将局部统计活动轮廓模型引入SAR图像海岸线检测问题中,提出了一种基于局部统计活动轮廓模型的SAR 图像海岸线检测方法。首先利用C-V模型进行粗分割,消除局部统计活动轮廓模型对初始轮廓线设置要求严格的限制,然后提出了一种基于G⁰分布的局部统计活动轮廓模型,进行精细分割。该模型采用G⁰分布对轮廓线上每一点的邻域进行统计建模,增强了模型数据拟合能力,提高了海岸线检测精度,加入水平集函数惩罚项,消除了重新初始化过程。实测SAR图像实验表明,本文方法可用于精确海岸线检测。     

一种新的SAR图像相干斑抑制算法

合成孔径雷达(SAR)图像会受到相干斑噪声的污染,对SAR图像的后续处理产生了很大影响.提出一种基于快速离散曲波变换(FDCT)抑制合成孔径雷达(SAR)图像相干斑噪声的方法.先通过FDCT把SAR图像变换到曲波域中,得到曲波系数,再应用自适应阈值算法估计不同尺度、不同方位曲波系数的阈值,分别对曲波系数进行硬阈值和软阈值化处理,最后通过FDCT反变换恢复出图像.对单视SAR原始图像进行处理,并与小波去噪方法进行各种量化比较,结果表明,Curvelet滤波器要比Wavelet滤波器效果好,软阈值算法的效果比硬阈值算法好.基于FDCT的SAR图像相干斑去噪,不仅抑制相干斑能力比较强,而且在目标的边缘及纹理信息的保持上也有很大的优势.     

多尺度水平集SAR影像水体自动分割方法

针对高分辨率SAR影像的水体特性,提出了一种新的可精确、快速、自动完成高分辨率SAR影像水体分割的方法。该方法将多尺度分析技术与水平集理论相结合,在考虑全局信息的同时,也顾及到了局部信息。同时,为了满足SAR图像的分布特性,将Gamma统计模型引入到水平集能量函数中,利用OTSU算法来初始化零水平集。为了消除SAR影像中疑似水体的目标,对分割结果进行了后处理。实验表明,该方法在提高精度的同时,也大大提高了水体提取的效率。     

基于Membrane MRF模型的SAR图像贝叶斯去斑

SAR图像可以看作是真实反映地物后向散射特性的无噪图像与相干斑噪声的乘积,通过贝叶斯估计从图像观测值估计出图像真值即可去除相干斑.而贝叶斯去斑的关键在于建立能与SAR图像特性相匹配的先验信息模型.用MembraneMRF模型对先验信息建模,克服了以往所用GMRF模型对参数估计十分敏感的问题,并通过对该模型邻域结构的自适应调整来分类处理处于匀质区域和含结构特征区域的像元,在有效抑制相干斑的同时较好地保持图像的结构特征.仿真和实际SAR图像数据的实验结果,验证了所提方法的有效性.     

顾及目标异质性的极化SAR图像非局部均值滤波

相干斑抑制是极化合成孔径雷达(Pol SAR)图像分析的重要预处理步骤。为了更好地抑制极化SAR图像中的相干斑,本文综合目标的异质性和结构信息,提出基于目标异质性的非局部均值滤波方法。首先利用K分布距离度量目标的异质性,并以异质性为基础,保留图像中的点、线等高异质性目标;然后计算图像块之间的异质性差异,最后将其作为度量非局部均值加权滤波像元相似性的权重系数,实现对Pol SAR图像的相干斑抑制。实验对比结果表明:本文方法能够有效地抑制相干斑,同时对细节信息和极化信息也具有良好的保持性,能够为后续的图像应用提供支持。     

星载合成孔径雷达回波数据仿真研究

本文对星载合成孔径雷达（SAR）图像仿真方法进行了研究,在分析并建立合成孔径雷达回波信号数学模型的基础上,提出了基于分布目标的SAR回波信号数据仿真,进而提出了一种与传统实现方法不同的SAR原始回波数据的生成方法,并用这种方法进行了初步的建模和仿真,验证了其有效性。     

用小波变换进行SAR图像增强处理

合成孔径雷达(SAR)是一种高分辨率成像雷达,广泛的应用于工业、农业、军事及国防经济各个部门。然而由于SAR的干涉成像原理,使图像产生相干斑点(speckle)噪声,这种随机分布的噪声影响了SAR图像的校正和解译。本文尝试利用Nason和Silverman所提出的平稳小波变换,对SAR图像进行多层平稳小波变换的阈值处理,在确保图像信息损失最小的情况下,抑制相干斑点噪声。     

一种高分辨率SAR图像快速目标检测算法

目标检测是自动目标识别(ATR)的第一个阶段。研究合成孔径雷达(SAR)图像目标检测问题,提出了一种基于Rayleigh分布的CFAR快速检测算法,将CFAR检测分成水平和垂直CFAR检测两步进行。利用相邻点参考窗口的重合及图像的分布特性,提高了参数估计的效率。算法同时利用目标方差特性以减少虚警率。对MSTAR数据进行实验,结果表明该算法具有较好的性能。     

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。     

基于压缩感知的SAR图像CFAR目标检测算法

提出了一种基于压缩感知(compressed sensing,CS)和恒虚警率(constant false alarm rate,CFAR)目标检测算法,用于合成孔径雷达(synthetic aperture radar,SAR)图像的目标检测。针对传统的均值类和有序统计量类CFAR目标检测算法,首先对每个局部滑窗的背景杂波像素利用压缩感知进行重建,以此来降低SAR图像相干斑现象的影响,然后利用重建后的数据进行杂波分布参数的估计,并利用CFAR检测器进行目标检测。在真实的SAR图像中证明了上述目标检测算法的有效性。     

基于核独立成分分析的极化SAR图像相干斑抑制

为提高极化合成孔径雷达图像相干斑抑制的效果,提出基于核独立成分分析(kernel independent component analysis,KICA)的极化SAR图像相干斑抑制方法.该方法将三个通道的极化信息作为输入数据,经过KICA变换得到三个独立分量,取相干斑指数最小的分量作为滤波后的信息图像.由于将核函数引入...     

基于小波系数统计特征的SAR图像恢复

基于小波系数统计特征，提出了一种SAR图像恢复方法。首先将对数变换后的SAR图像进行平稳小波分解，基于小波系数统计特征，用α—stable分布分别对纯净信号和噪声建模，估计出各部分模型参数后，用MAP估计器对处理后的SAR图像进行非线性处理来恢复出纯净图像。实验结果表明，该方法能在抑制噪声的同时最大程度地保持纹理细节。     

利用经验模态分解和主成分分析的SAR图像相干斑抑制

对SAR图像应用对数加性噪声模型,将经验模态分解(Empirical mode decomposition, EMD)与主成分分析(Principal Component Analysis, PCA)相结合,提出了一种基于PCA的EMD相干斑抑制算法。根据对数SAR图像中相干斑噪声的统计特性和高斯白噪声经EMD分解后的能量分布模型,近似估算SAR图像经EMD分解后各层内蕴模态函数中所含噪声的能量;将内蕴模态函数利用PCA进行分解,根据PCA对含噪信号的分解特性和内蕴模态函数中噪声能量所占的比例,选择合适的成分分量重构内蕴模态函数,以进一步去除噪声保留有用的细节信息。仿真实验结果表明,本文方法在有效抑制相干斑噪声的同时可以较好地保持边缘纹理细节的清晰。