基于边缘的多光谱遥感图像分割方法

从Marr视觉计算理论和Tobler地学第一定律出发,提出了基于边缘的多光谱遥感图像分割方法.在基于边缘的多光谱遥感图像分割方法中,由边缘检测、边缘综合、边缘生长、区域标号等环节组成.该遥感图像分割方法在可视化开发平台Delphi中予以编程实现.将之应用于日本熊本市（Kumamoto）的Quickbird多光谱遥感图像中,并与多种遥感分割算法进行了比较：（1）从多光谱遥感图像各波段亮度信息利用的程度上看,提出的遥感图像分割方法能充分利用多波段亮度信息;（2）从遥感图像分割结果上看,由于分别对不同的波段进行边缘检测,并在此基础上进行边缘综合、边缘生长,遥感图像中的细节特征得到了充分体现,遥感图像分割效果更理想;（3）从计算复杂度和计算效率上看,基于边缘的多光谱遥感图像分割法较其他分割方法有一定的优势.     

遥感图像纹理分析方法

本文针对遥感图像纹理特征,定义纹理是“图像像元亮度值空间变化率的一种量度”.据此定义,提出纹理强度和纹理密度两个新参量,定量地描述遥感图像的纹理特性。这两个参量反映了图像中相邻象元亮度值的差别及图象中象元亮度值变化的频数。所设计的相应提取方法包括:强度和法、绝对差法与最大、最小值法等三种纹理强度提取方法,以及两种纹理密度提取方法:一阶纹理密度法与二阶纹理密度法。同时,讨论了局部移动窗口大小的选择原则。本文不仅设计了从遥感图像亮度值的绝对变化提取纹理特征的方法,并进而提出相对梯度概念,从象元亮度值的相对变化描述图象的纹理特征;由相对梯度法生成的纹理图像,不仅可突出遥感图像的空间信息特征,并保留了原图像的部份波谱信息,原图像中的甚亮区和暗区、甚暗区（如山地背阴坡）的纹理结构得以清晰地显现,效果独特。     

基于小波分解的星载SAR图像纹理信息提取

论述利用小波变换提取合成孔径雷达（SAR）图像的多尺度纹理信息，借助Daubechies3正交小波，对图像进行小波分解，将小波变换各个频带输出的l1范数作为纹理特征值。选取徐州市区局部的Radarsat卫星SAR图像，提取出纹理图像，实验证明，该纹理提取方法能有效地提取出面目标的纹理信息。     

基于SAR影像进行边缘检测自动提取的研究与应用

利用SkySat-3系列卫星合成孔径雷达卫星遥感影像的多元性和分辨性,基于自动阈值与区域生长算法相结合进行SAR岸线提取,进而分析SAR图像岸线提取检测技术流程,展现合成孔径雷达制作影像在海域边缘监测、图像分割、构成水体提取方面的应用,可有效减少人工操作,提高工作效率。     

基于高分辨率遥感影像的耕地地块提取方法研究

针对耕地地块提取问题,提出了一种基于图像分割的耕地地块提取新方法。该方法以高分辨率遥感影像为基础,借助于边缘提取和数学形态学的方法,通过边缘检测、边缘闭合、区域标号和后处理四个步骤,提取耕地地块。该方法在IDL6.3平台下编程实现。将此方法应用于北京地区QuickBird多光谱遥感影像,结果表明此方法有较好的定位精度,又在一定程度上去除了噪声,具有较好的实用性。     

基于小波纹理信息的星载SAR图像与TM图像的数据融合

遥感图像的数据融合是当前遥感界研究的热点问题之一。论述利用小波变换提取合成孔径雷达（SAR）图像的多尺度纹理信息，基于小波纹理信息将SAR图像与TM图像进行融合。选取徐州市南郊风景区的Radarsat卫星SAR图像和TM图像进行试验研究，并与颜色变换法融合图像进行对比分析，结果表明，无论是目视解译还是定量分析，该融合方法与颜色变换法相比，将获得更理想的高空间分辨率多光谱的融合图像。     

一种适用于SAR图像边缘检测的序贯算法

提出了一种用于检测SAR图像上阶跃性边缘的序贯算法。由于SAR图像上存在大量的光斑噪声而使图像质量受到严重影响，而光斑噪声属于乘性噪声，不服从高斯分布，因此常用的图像处理方法难以取得好的效果。文中首先根据光斑噪声模型，自动确定图像中高反差部分，然后采用具有高抗噪性能的边缘检测算子，进行边缘提取。实验证明该算法明显提高了特征提取速度，同时具备良好的抗噪声能力。     

一种稳健的高效角点特征提取变换

针对目前基于加速分割的高效角点检测方法存在角点定位不准、对图像亮度变化以及图像边缘敏感等问题,提出了一种鲁棒的高效角点特征提取变换REFET。该算法首先基于人类视觉的颜色恒常性进行图像增强以提高算法对图像亮度变化的鲁棒性,然后根据对角相似性约束对图像进行边缘点粗检测,最后通过一种自适应的检测模板进行角点提取,获取定位准确的角点特征。实验结果表明,本文提出的REFET方法在保证时间效率的同时,提高了特征的定位准确度和对图像亮度变化的鲁棒性,较好地抑制图像边缘点。     

从卫星遥感全色图像中自动提取城市目标

提出了一种从卫星遥感全色图像中自动提取城市目标的方法。在总结城市目标的卫星遥感全色图像特性的基础上,设计了一种层次提取的方法。首先在低分辨率图像中提取城市目标的候选区域;接着在候选区域内利用城市目标一些更复杂的特性在高分辨率图像中证实城市目标。为了获得城市目标的边界,提出了一种基于边缘点密度的算法,并将算法应用去提取SPOT图像中的城市目标,取得了较好的试验结果。     

干涉合成孔径雷达（INSAR）复图像配准方法

合成孔径雷达干涉测量技术是使用图像中的相位信息来提取高精度的数字地面高程模型。精确的图像配准是合成孔径雷达干涉技术提取数字高程模型的关键步骤之一，配准质量将直接影响提取的地面高程的精度。配准按照其精度分为粗配准和精配准。文中采用基于幅度互相关函数法完成图像的粗配准。在粗配准的基础上，使用最小二乘配准算法进一步提高配准的精度。实际数据处理表明，配准精度能够满足INSAR数据处理的要求。     

一种基于图像边缘特征的SAR斑点滤波算法

合成孔径雷达图像上的斑点噪声会阻碍图像的校准、检验、解译和应用,因此斑点噪声的去除是雷达图像处理的一个重要环节。通常的去噪方法在抑制噪声的同时也使得图像的边缘模糊,细节特征损失。理论和实践表明去除图像的斑点噪声和保持图像的边缘信息是无法同步实现的。为了在去除噪声和保持边缘特征之间进行折衷,本文基于MROA边缘检测算法以及均值滤波算法,提出了一种基于图像边缘特征的斑点噪声滤波算法。实验结果表明该算法能够在平滑图像的同时有效保持边缘特征信息。     

SAR图像ROEWA边缘检测器的改进

针对指数加权均值比(ROEWA)边缘检测算子无法准确确定边缘位置和边缘方向的问题,对其表达式进行了改进。重新定义了反转的、带符号的、归一化最小指数加权均值比(IROEWA),作为边缘强度指标,来量化描述边缘的跃变程度,并在此基础上准确计算出边缘的方位。同时将改进的非极大值抑制算法应用到边缘检测流程中,对IROEWA得到的边缘强度图进行后处理。针对自然SAR图像和仿真SAR图像的实验都表明,改进算法能够得到比ROEWA加分水岭分割的原始算法更好的边缘检测结果。利用接收者操作特征(ROC)曲线,对改进算法进行量化评价,其曲线下面积(AUC)可达0.97570,非常接近理想的检测器;在其ROC曲线的最优点处,检测率可达0.95232,而虚警率仅为0.00214左右。     

任意方向对称差值核的SAR图像边缘提取算法

由于现有边缘检测方法多存在对图像噪声的敏感性以及检测边缘的有限方向性等问题,因此在斑点噪声的影响下难以有效检测SAR图像中具有任意方向性且强度相近的区域间边缘。本文提出了一种任意方向对称窗口的SAR图像边缘提取算法。首先,以任意像素在图像中的格点位置为对称中心构建任意方向上的对称窗口;定义各窗口内像素到中心像素距离的核函数;以像素核函数为权重分别计算两对称窗口内像素光谱测度的加权平均值,并定义两者之差的绝对值为该方向上该像素隶属边缘的强度;选取所有方向中最大边缘强度作为边缘像素的判别标准。为去除错误提取的边缘像素,设计基于滤波操作的后处理过程。对模拟图像提取结果的定性及定量分析表明提出算法可在一定程度上克服噪声影响,较为准确地提取任意方向的边缘。     

SAR图像保留边缘多窗口相干斑滤除方法

在处理合成孔径雷达（ＳＡＲ）图像中,精确地估计图像的局部统计特性和尽可能多地滤除相干斑都需要较大的窗口尺寸,而这与图像边缘和纹理结构的检测需要较小的窗口尺寸相矛盾。一般滤波器都是二者窗口尺寸的均衡,这必然导致二者都不能取得很好的效果。本文提出的新方法有效的解决了这一矛盾。此方法使处理后的ＳＡＲ图像既保存了边缘和纹理结构,避免了以往滤波器中使边缘变模糊的问题,又有效地滤除了相干斑噪声。     

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。     

基于二进小波变换的SAR图像湖岸线提取

本文阐述了一种基于二进小波变换的从SAR图像中提取湖岸线的方法。该方法首先利用边缘和噪声的奇异性在二进小波变换中随尺度变化具有不同的传播规律来检测边缘点，然后利用基于梯度矢量流的主动轮廓模型进行边缘点的连接，实验结果证明，这种方法可以有效的消除SAR图像中存在的斑点噪声对边缘提取的影响，准确的提取湖岸线。     

风速风向对SAR浅海水下地形成像影响的仿真研究

基于SAR浅海水下地形成像机理和M4S海面微波成像程序,建立了SAR浅海水下地形成像仿真模型,改进了传统浅海水下地形成像仿真模型的缺陷.通过仿真研究和分析浅海水下地形SAR图像特征实例,对风速风向与浅海水下地形SAR图像特征的关系提出了新的认识.低风速条件下,浅海水下地形SAR海面后向散射强度整体偏暗,高风速下整体偏亮;sAR图像条带亮暗的程度与风速有一定的关系,但不是主要的影响因素.风向对SAR浅海水下地形成像的影响明显,表现为,在逆风和顺风情况下,浅海水下地形SAR海面后向散射强度整体偏亮,SAR图像分别以亮条带和暗条带为主;侧风情况下,整体偏暗,SAR图像条带亮暗相当;最佳探测风向是逆风向.     

SAR图像斑点噪声抑制的本质

合成孔径雷达（SAR）图像的斑点噪声阻碍SAR的应用。在过去20多年中，提出了许多SAR图像去除斑点噪声方法，虽然每种去除斑点噪声方法都能有效去除斑点噪声，但都不同程度地损失了图像的边缘信息，本文首先以数学物理的观点描述了SAR图像斑点噪声抑制问题。其次分析了斑点噪声的统计特性和几种典型的去除斑点噪声方法并进行了简单的比较，在最后研究了SAR图像斑点噪声抑制的本质，这对开发既能有效去除斑点噪声，又能有效保持边缘信息的去除噪声方法十分重要。     

基于边缘分析的海面溢油检测

提出一种基于边缘检测的快速溢油信息提取方法, 首先对溢油图像进行ROA(radio of average)边缘检测, 根据检测结果进行AOI(area of interest)提取, 然后使用改进的Weibull-CFAR检测算法对AOI进行溢油检测, 并与全局CFAR检测结果进行对比。实验结果证明, 所提出的方法对于非均匀灰度SAR图像溢油检测准确性较好、效率较高, 特别适用于大图像的快速溢油检测。     

A new metric for measuring structure-preserving capability of despeckling of SAR images

In this paper, a new metric called despeckling structure loss (DSL) is proposed for performance assessment of despeckling algorithms with a focus on the preservation of structural features such as edges and textures. The ratio image of a synthetic aperture radar (SAR) image to its despeckled result can clearly indicate the loss of structural features caused by the despeckling process. By taking into account characteristics of the best and worst structure preservation in despeckling, the DSL metric examines the presence of structural features in ratio images by using local correlations between the ratio image and the noise-free reference image at edge points. The DSL is shown to be a monotonic function of structure loss bounded between the best and worst cases, leading an objective and quantitative measure of the structure-preserving capability of despeckling algorithms. Experimental evaluations of the proposed metric have been carried out on simulated SAR images including one generated by SAR raw signal simulator. Despeckled results using five typical algorithms clearly demonstrate the efficiency of the DSL metric. In comparison, the commonly used despeckling metrics including the signal-to-mean-square error ratio, the edge correlation index, the Pratt’s figure of merit, the structural similarity and the equivalent number of looks of ratio images, fail to keep a consistency with the structure loss shown in despeckled results as well as ratio images.