基于FGHT的SAR影像形状检测算法

形状检测在目标识别中有着重要作用。广义Hough变换(GHT)具有很好的全局特性,是常用的目标形状检测算法。但由于SAR影像具有强噪声等特点,常用的广义Hough变换算法可能会产生定位不准确的问题,甚至会出现错检的情况。文中将GHT中投票不集中的区域看做"模糊投票点",构造了隶属函数,并据此设计了模糊广义Hough变换算法(FGHT),通过优化参考点的位置达到检测结果精确定位的目的。实验对比证明,该算法在强噪声情况下具有更好的鲁棒性。     

双通道SAR振动目标快速检测

目标的振动会对雷达回波产生特殊的相位调制,称为微多普勒效应,能够提供对微动目标检测的有利信息,因此对提高SAR(Synthetic Aperture Radar)系统性能具有重要意义。然而,已有的检测算法存在运算量大、抗杂波噪声能力弱和无法适应多振动目标等问题。针对这些问题,本文提出一种对振动目标检测的新算法。该算法利用相位中心天线偏置DPCA(Displaced Phase Center Antenna )对消技术消除杂波,并沿方位向累加DPCA信号来提高算法的抗噪声能力。由于振动目标SAR方位回波的频谱与脉冲序列具有高度相似性,本文算法选择了检测重复脉冲序列的脉冲重复频率PRI(Pulse Repetition Interval )变换法来实现振动目标的检测。仿真实验表明,本文算法能够在强杂波噪声条件下检测振动目标,同时具有准确振动频率估计性能,甚至当同一个单元存在多个振动目标时,本文算法依然适用。仿真中振动目标检测的计算机运行总时间不超过0.6 s,说明本文算法适用于实时检测,通过与GLRT算法和Hough变换算法运算量的比较,证明了本文算法相比于经典算法具有运算量小,检测速度快的优点。     

利用全极化SAR数据去方位向模糊的舰船目标检测方法

在SAR成像过程中,利用目标相对于雷达运动的多普勒频率进行方位向压缩来提高方位向分辨率。对于海面舰船目标,往往由于SAR发射的脉冲重复频率过低,回波信号的多普勒频率欠采样,引起高亮度的方位向模糊噪声,产生虚假目标。若直接利用传统CFAR、子孔径相干等目标检测算法,会把方位向模糊引起的虚假目标误判为舰船目标,降低了舰船目标的检测精度。针对SAR影像方位向模糊现象,提出一种利用全极化SAR数据的舰船目标检测算法,其利用H-A-Alpha分解得到的第三散射机制,结合方位向全极化子孔径相干,消除了方位向模糊噪声对舰船目标检测的影响,提高了舰船目标的目标杂波比。通过采用日本玉野Kojimawan港口附近的C波段AIRSAR全极化数据进行试验,验证了该算法能消除SAR方位向模糊,降低虚警率,提高舰船目标的检测精度。     

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。     

基于Hough森林算法的遥感影像目标检测

在遥感影像飞机目标检测中,由于目标训练样本的局限性及遥感影像尺寸较大带来的复杂性,直接使用级联式Adaboost算法会产生较多的虚警,因此需要采取一定手段去除虚假目标。近来,Hough森林算法因其简单而有效的表现在目标检测中有较多的应用。然而,直接使用Hough投票机制应用于遥感影像全图,时间耗费比较大。因此,本文将两种算法结合起来,首先由级联Adaboost算法检测出候选目标区域,然后通过改进的Hough森林算法对这些候选目标区进行二次筛选。在二次筛选中,由于初检已经确定目标的可能位置,因此不需要对全图的图像块进行位置投票,只需用对该区域作目标存在可能性评价,降低了时间消耗。试验表明,本文方法不仅能很好地去除虚假目标,同时也保证了检测时间的有效性。     

基于霍夫直线检测和区域生长的合成孔径声呐图像线目标提取

本文针对合成孔径声呐图像线目标提取过程中,由于线目标宽度（直径）小且图像受相干斑噪声影响严重而导致的提取困难的问题,提出了基于霍夫直线检测和区域生长的线目标提取算法。首先利用Otsu算法计算区域生长终止阈值,并对噪声进行初步抑制;然后在对图像进行霍夫直线粗检测的基础上,对检测结果进行不均匀分割,再进行细检测,得到区域生长种子点;最后利用区域生长对线目标进行还原。试验结果表明,该算法能准确地提取线目标;与传统区域生长对比,该算法选取的种子点数量提升了5.37倍,且线目标提取结果具有更好的连续性和完整性。     

基于广义Hough变换的不规则形状目标提取方法

提出了一种基于广义Hough变换的不规则形状目标的提取方法.该方法主要包括目标参数描述和目标提取两部分.实验表明,该方法精度好、效率高.     

基于广义Hough变换的不规则形状目标提取方法

提出了一种基于广义Hough变换的不规则形状目标的提取方法。该方法主要包括目标参数描述和目标提取两部分。实验表明，该方法精度好、效率高。     

模糊Hough变换算法在城市道路提取中的应用

采用形态学细化算法,将二值化影像形态学细化之后再进行峰值检测,有效地去除了虚假峰值,提高了道路提取精度及计算效率,为此,利用用模糊Hough变换算法提取遥感影像中的城市道路。试验表明,其方法在计算效率、提取精度以及内存占用方面具有明显优势。     

基于预存储权值矩阵的多尺度Hough变换直线提取算法

针对Hough变换提取直线算法在速度、精度和影像大小三方面的局限,提出一种基于预存储权值矩阵的多尺度Hough变换算法。首先阐述对经典Hough变换的改进策略,对参数空间中ρ的分辨率和θ的分辨率的最佳取值也作了探讨,之后详细说明基于预存储权值矩阵的多尺度Hough变换直线提取算法。实验证明,本文提出的算法能显著提高实际影像处理的速度和直线提取的精度,特别是对比较大的影像具有计算量小、抗噪能力强等特点。