基于高分辨率SAR图像成像机理的震害信息分析

与中低分辨率SAR图像相比,高分辨率SAR图像受目标复杂性和成像噪声等因素的干扰更为严重,致使应用高分辨率SAR图像检测震害目标变得更加困难.传统的适用于中低分辨率SAR图像的震害信息提取方法对于高分辨率SAR图像有一定的局限性.为了从高分辨率SAR图像中更加准确地提取震害信息,从SAR图像成像机理和目标的后向散射特征出发,对建筑物和道路、桥梁的震害特征进行了细致分析,为寻求合适的目标检测和提取方法提供了思路.     

广义Gamma模型及自适应KI阈值分割的SAR图像变化检测

基于SAR图像的杂波统计特性,利用广义Gamma模型对降噪配准后的SAR图像统计特征进行拟合,获取了辐射值与局部纹理等特征信息;采用信息论中交叉熵的概念,量化不同时相SAR图像统计特征间的差异程度;利用KS与KL检验相结合,自动选取对差异图拟合情况最好的模型,从而实现基于该模型的KI阈值分割。通过对天津市北辰区以南地区的两幅Radarsat图像,以及北京市顺义区的两幅ASAR图像的实验表明,所提出的方法不仅有效地避免了水面波纹变化所产生的大量虚警,并能有效地检测出传统方法所不能识别的,区域内均值不变,仅纹理发生变化的情况。     

一种从SAR图像中提取城市道路网络的方法

提出一种从高分辨率SAR图像中提取城市道路网络的算法.在高分辨率SAR图像中,道路在空间结构上表现为一细长的且宽度基本恒定不变的均匀区域.利用模糊C均值聚类方法对高分辨率SAR图像进行聚类分析,将道路类像素从原始图像中分离出来.为突出道路形状特征,减少冗余信息,对聚类结果进行细化,同时利用跟踪算子消除短线段;以提取道路中心线二值图的像素值作为图像能量,应用Snakes模型检测道路网络.通过实际SAR图像验证,该算法可以准确提取复杂的城市道路网络.     

基于改进分块阈值的SAR图像分割算法

提出改进分块阈值的SAR图像分割算法,该算法不但能够充分利用图像的局部细节信息,而且利用子图像块上边和左边子图像块的统计特征,增加子图像块间的连续性限制条件。通过试验对比,证明本文提出的算法能够得到更好的分割效果。     

基于小波分析的SAR图像斑点滤波及其性能比较评价

进行斑点噪声滤波是对SAR图像进行分割、分类和信息提取处理前不可或缺的处理步骤。该文首先简要回顾了各种传统的SAR图像斑点滤波算法。在充分考虑SAR图像斑点噪声乘性特征的基础上，对SAR图像进行对数变换，将乘性噪声转变为加性噪声，然后在对图像进行小波分解，采用软门限方法进行典型SAR图像斑点噪声滤波。归纳SAR图像斑点噪声滤波效果评价的5个指标，并将文中基于小波分析的滤波效果与传统的自适应局部统计斑点滤波器、Gamma-Map滤波器的滤波效果进行了全方位的比较。结果表明，该方法在图像均匀区域的辐射特性保持和斑点抑制能力，边缘、细小特征和点目标等结构信息的保持方面都优于传统的斑点滤波器。     

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。     

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。     

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。     

一个基于平稳小波变换的SAR内波检测方法

SAR图像数据量的激增,迫切要求一种自动的内波检测技术来代替传统的人工解译。基于此,本文提出一种基于平稳小波变换（SWT）的SAR图像内波检测方法,利用SWT对SAR内波图像进行分析处理,计算SWT系数的小波梯度信息,通过模极大值搜索方法进行内波边缘特征提取。最后通过南中国海东沙群岛观测的多幅SAR图像进行实验与分析,实验结果证明平稳小波变换对于SAR内波检测是有效的。     

一种高分辨率SAR影像道路提取方法

针对高分辨率SAR影像中细节信息损坏道路的面特征结构、影响道路提取,基于影像统计特征,给出一种结合区域生长和细节信息识别的道路提取方法。该方法通过区域生长提取呈现面特征的暗目标(道路框架),利用CFAR算法识别细节,通过形态学融合得到最终结果。为降低高分辨率影像区域异质性对提取结果影响,提出了一种自适应CFAR算法,相比之前算法可自适应删除干扰点;并引入有效表征影像统计的GA0分布。利用海南省陵水黎族自治县机载X波段高分辨率SAR数据的幅度影像进行实验,结果表明,该方法能有效提取呈面特征的道路,获得准确的道路宽度和中心线信息。     

一种基于线特征的道路网变化检测算法

提出一种基于线特征的道路网变化检测算法。首先根据边缘的梯度信息从多时相遥感图像中提取变化的线特征;然后根据变化线特征的局部特性,检测出与道路模型相符合的变化道路段;最后通过道路网的全局约束条件,进行变化道路段的连接,实现变化道路的检测。提出的道路网变化检测算法将边缘的相位和幅度信息作为变化检测的判定依据,从而避免了道路的匹配与比较工作,降低了变化检测算法的复杂度,具有很强的实用性。将本文提出的方法用于多时相遥感图像的道路网变化检测,从实验结果可以看出该方法的有效性。     

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。     

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。     

基于空间约束和结构特征的光学与SAR影像配准

针对光学和合成孔径雷达(synthetic aperture radar,SAR)影像间的几何形变和辐射差异造成的配准困难问题,提出一种基于空间几何约束和结构特征的光学影像与SAR影像自动配准方法.首先,利用分块的Harris算子在输入影像上提取分布均匀的特征点,根据有理函数模型对输入影像进行局部几何纠正,实现输入影像...     

地形引起的雷达辐射畸变及其校正

合成孔径雷达影像由于其侧视特点 ,存在着严重的地形引起的几何畸变及辐射畸变。辐射畸变不仅对 SAR辐射标定造成困难 ,而且严重影响了影像分类、土壤湿度信息提取、森林蓄积量信息提取等应用。本文将辐射畸变归结为面积效应和局部入射角效应 ,推导了散射面积归一化因子 ,以消除辐射畸变的面积效应。提出了一种以局部入射角的线性函数表达的后向散射模型 ,在此基础上 ,给出了消除局部入射角效应的校正函数。最后 ,以RADARSAT SAR影像进行地形辐射畸变校正的试验与分析     

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。     

High Resolution TerraSAR-X Image Speckle Suppression and its Fusion with Multispectral IRS LISS –III Data for Himalayan Glacier Feature Extraction

In this study an attempt is made for studying the Himalayan glacier features using TerraSAR-X and Indian Remote Sensing Satellite, Linear Imaging Self Scanning System III (IRS LISS –III) images. New generation, synthetic aperture radar (SAR) data from TerraSAR-X (TS-X) sensor provide opportunity for glacier feature studies in Himalayan rugged terrain. Spot Light High resolution mode TS-X data give idea about glacial features which remained untraceable from other existing SAR system. However, presence of speckle noise in SAR images degrades the interpretability of the glacier features. Speckle suppression filters (Lee, Frost, Enhanced Lee, Gamma-Map) are applied on SAR intensity images. On the basis of field sight seeing and insitu observations it is observed that still features are not clear. Hence attempt has been made for fusing multitemporal multispatial speckle reduced TS-X SAR data and multispectral IRS LISS-III data for extracting the glacial features such as crevasses, exposed ice and superaglacier lakes. Principal component analysis (PCA) represents the high spectral resolution data in a linear subspace with minimum information loss. Herein, PCA based image fusion technique is adopted for this study and comparison is made between IHS fusion technique and PCA based technique for glacier studies in the Himalayan region.