加速迭代硬阈值ISAR稀疏成像

加速迭代硬阈值(AIHT)作为一种压缩感知(CS)算法,具有计算复杂度低、内存占用小的特点,在较小数目的观测下,经过有限次迭代便能获得较好的重建效果。因此,本文将该算法应用到逆合成孔径雷达(ISAR)稀疏成像,对该方法的具体特征和适用性进行了详细分析。仿真结果表明,在相同信噪比和回波脉冲数条件下,基于AIHT的ISAR成像方法,相比于稀疏贝叶斯算法(SBL),在重建时间上缩短了至少2个量级;相比于迭代加权最小二乘法(IRLS)和平滑l0范数算法,在重建质量上提高了约3倍。经实测数据处理结果验证,在1/4原始脉冲数条件下,该方法仍具有良好的聚焦性能和压低旁瓣效果。     

An efficient application of fusion approach for hot spot detection with MODIS and PALSAR-1 data

Hot spot detection with satellite images, especially with synthetic aperture radar (SAR) images is still a challenging task. Several researchers have used TM/optical data for identification of hot spot but the use of SAR data is very limited for this type of application. The fusion of SAR data with TM/optical data may add additional information which in turn will lead for enhancement of detection capability of the hot spot. Therefore, this study explores the possibility of fusion of Moderate Resolution Imaging Spectroradiometer (MODIS) and Phased Array L-band Synthetic Aperture Radar (PALSAR) satellite images for the hot spot detection. Image fusion is emerging as a powerful tool where information of various sensors can be used for obtaining better results. For this purpose, vegetation greenness and roughness information which is obtained from MODIS and PALSAR satellite images, respectively, are used for fusion, and then, a contextual-based thresholding algorithm is applied to the fused image for hot spot detection. The proposed approach comprises of two steps: (1) application of genetic algorithm-based scheme for image fusion of MODIS and PALSAR satellite images, and (2) classification of the fused image as either hot spot or non-hot spot pixels by employing a contextual thresholding technique. The algorithm is tested over the Jharia Coal Field region of India, where hot spot is one of the major problems and it is observed that the proposed thresholding technique classifies the each pixel of the fused image into two categories: hot spot and non-hot spot and the proposed approach detects the hot spot with better accuracy and less false alarm.     

基于小波包变换的SAR干涉图去噪研究

基于SAR复干涉图中噪声满足加性噪声模型,提出对复干涉图实部和虚部分别应用小波包软阈值方法的去噪方案。以Daubeachies小波为小波包基函数,对添加了噪声的模拟SAR干涉图进行去噪实验,发现三级小波包分解的去噪效果明显优于一级和二级分解。并进一步对实际的含噪干涉图进行了去噪实验,与小波包软阈值方法直接对干涉图去噪的结果进行了比较。实验结果证实了本文方案的有效性。     

基于小波变换系数自适应阈值法在语音去噪中的应用

在软阈值去噪算法基础上，根据小波变换后信号与噪音具有的奇异性，提出无偏风险自适应阈值估计算法，并应用于语音信号的去噪处理，实验结果表明该算法的最小均方误差低于其他的去噪算法。     

图像小波域维纳滤波去噪算法的改进

介绍了小波变换和维纳滤波相结合的图像小波域维纳滤波去噪算法，在分析该算法最小均方误差期望的基础上提出一种改进算法。指出在进行维纳滤波之前，阈值化处理可以有效提高维纳滤波的性能。用标准测试图像的处理结果来比较改进前后两种算法的效果。     

SAR图像斑点噪声的小波软门限滤除算法

本文介绍利用小波分析和软门限对合成孔径雷达（ＳＡＲ）图像斑点噪声（Ｓｐｅｃｋｌｅ）进行抑制与滤除的算法。首先选择合适的小波基对合成孔径雷达（ＳＡＲ）图像进行小波分解,应用Ｄａｖｉｄ Ｌ．Ｄｏｎｏｈｏ软门限理论,并且将其推广到２维信号。针对ＳＡＲ图像斑点噪声的特殊性,即在小波变换域内图像和斑点噪声的奇异性不同,选取合适的门限在小波域内滤波。最后进行小波反变换得到去噪后的ＳＡＲ图像。实验证明,该算法能     

基于线支持区域的闪电通道识别算法

提出了一种基于线支持区域的闪电通道识别算法 (LLSR),该算法首先应用对比度拉伸和高斯匹配滤波方法对闪电通道图像进行预处理,以增强闪电通道的对比度;然后自动检测出包含闪电通道的线支持区域,并用最小外接矩形包含这些区域;最后在各个矩形区域内分别使用最大类间方差Otsu阈值法进行分割,得到闪电通道识别结果。试验结果表明:LLSR具有良好的局部特性和自适应性,它不仅能自动提取低对比度闪电图像的通道,还能自动提取具有复杂背景闪电图像的通道,自动提取结果在视觉上与人眼观测结果一致。且定量评估结果表明:LLSR相比传统算法具有更好的分割精度。     

小波变换方法在地震资料噪声消除中的应用

小波变换方法由于具有同时在时间域与频率域分析的特点,在信号的分析处理方面得到了广泛的应用,将其应用于地震信号噪声的处理,有着更好的应用前景和研究价值.笔者的研究工作主要围绕小波变换消噪过程中阈值方法的选择及阈值的选取,同时将一维小波方法与F-K滤波方法、二维小波方法与F-K方法以及这3种方法结合起来进行噪声的去除,用于实际数据处理,效果较好.     

一种基于直方图的阈值分割算法

在基于ICT的引信实时检测中,合理的阈值化分割算法对引信自动检测的精度有至关重要的影响。基于图像的灰度直方图特征,本文提出一种通过面积比值与灰度级概率的关系来求取分割阈值的阈值分割算法,并给出了实验结果及分析。     

基于三维相空间法和稳健估算法的ADV流速数据后置处理效果研究

水流是影响藤壶、牡蛎、藻类等水生生物能否成功附着在渔业装备上的重要环境因素,水体流速的变化会改变藻类新陈代谢过程,制约藤壶与牡蛎幼虫大面积扩散。流速测量数据的准确性对研究渔业装备上附着生物的附着机制起到至关重要的作用。声学多普勒流速仪(ADV)是测量水体流速的重要设备。然而,水体中的气泡、大颗粒悬浮物等因素会影响ADV的相关系数和信噪比,从而导致流速数据中产生野点,降低了数据的准确性。本文基于国内外主流算法稳健估算法与三维相空间法,以ADV实际测量的流速数据为例,对比研究两种后置处理方法的检测效果。结果显示,稳健估算法平均检出率为4.95%,峰度系数平均下降77.71%,三维相空间法平均检出率为14.60%,峰度系数平均下降84.05%。综合分析,三维相空间法处理效果较好,其检测准确性高于稳健估算法,但存在过处理现象。建议在处理野点含量低于5%的数据时选用相空间法,而对于野点偏离样本平均值较远的数据时,可以选用稳健估算法。本文对减小流速数据误差,为准确定量研究水流对渔业装备附着生物的附着量与种类影响有着重要的意义。